Читать статью 'Административная преюдиция по делам о мелком хищении (ст. 7.27 КоАП РФ и ст. 158.1 УК РФ): как большие данные судебных актов отражают гуманизацию и качество правосудия' в журнале Юридические исследования на сайте nbpublish.com
Рус Eng За 365 дней одобрено статей: 1693,   статей на доработке: 304 отклонено статей: 360 
Библиотека
ваш профиль

Вернуться к содержанию

Юридические исследования
Правильная ссылка на статью:

Административная преюдиция по делам о мелком хищении (ст. 7.27 КоАП РФ и ст. 158.1 УК РФ): как большие данные судебных актов отражают гуманизацию и качество правосудия

Трофимов Егор Викторович

ORCID: 0000-0003-4585-8820

доктор юридических наук

заместитель директора по научной работе, Санкт-Петербургский институт (филиал) Всероссийского государственного университета юстиции (РПА Минюста России)

199178, Россия, г. Санкт-Петербург, 10-я линия В.О., 19, лит. А, каб. 36

Trofimov Egor Viktorovich

Doctor of Law

Deputy Director for Science, St. Petersburg Institute (Branch) of the All-Russian State University of Justice

199178, Russia, g. Saint Petersburg, 10-ya liniya V.O., 19, lit. A, kab. 36

diterihs@mail.ru
Другие публикации этого автора
 

 
Мецкер Олег Геннадьевич

ORCID: 0000-0003-3427-7932

кандидат технических наук

исследователь

199178, Россия, г. Санкт-Петербург, 10-линия В.О., 19 лит. А

Metsker Oleg Gennad'evich

PhD in Technical Science

Researcher

199178, Russia, g. Saint Petersburg, 10-liniya V.O., 19 lit. A

olegmetsker@gmail.com
Другие публикации этого автора
 

 
Паскошев Давид Доккаевич

магистр, Национальный исследовательский университет ИТМО

197101, Россия, г. Санкт-Петербург, Кронверкский пр., 49

Paskoshev David Dokkaevich

Master's Degree, National Research University ITMO

197101, Russia, g. Saint Petersburg, Kronverkskii pr., 49

david.d.paskoshev@gmail.com
Другие публикации этого автора
 

 

DOI:

10.25136/2409-7136.2021.9.36521

Дата направления статьи в редакцию:

24-09-2021


Дата публикации:

01-10-2021


Аннотация: Предметом настоящего исследования выступают общественные отношения, возникающие в связи с совершением мелкого хищения, а также исследовательские средства и методы оценки оптимизации законодательства и правоприменения. Благодаря специфической конструкции административной преюдиции в статье показаны методология и результаты анализа больших данных судебных актов по делам о мелком хищении (статья 7.27 КоАП РФ и статья 158.1 УК РФ) для оценки качества правосудия и оптимизации правового регулирования. Исследование основано на разрабатываемой авторами междисциплинарной методологии, включающей индикаторный подход и комплекс юридических и компьютерных методов исследования, в том числе интеллектуальный анализ текстов и данных и машинное обучение. Показано, что: обвинительные приговоры не имеют значимых отличий в семантике и логической сложности принятия решений, по сравнению с постановлениями о назначении административного наказания; логика в принятии решений о выборе наказания за мелкое хищение, наказуемое в административном и в уголовном порядке, различна, причем выбор вида административного наказания оказался более дифференцированным; несмотря на тождественность деяний, связанных административной преюдицией, их регулирование различными законами приводит к различным правоприменительным результатам, причем административно-деликтное регулирование более оптимально; административная ответственность за мелкое хищение для общества в целом является более гуманной, однако для потерпевших более гуманной оказалась уголовная ответственность. Из текстовых массивов были извлечены некоторые знания об административно-деликтологических и криминологических характеристиках мелкого хищения, особенностях судопроизводства и о назначенных наказаниях, а также сделан вывод о применимости разработанной методологии к анализу больших данных судебной практики по делам об административных правонарушениях и уголовным делам.


Ключевые слова: мелкое хищение, гуманизация, административная преюдиция, оптимизация права, цифровое государство, большие данные, машинное обучение, интеллектуальный анализ текстов, интеллектуальный анализ данных, индикаторы

Источник финансирования: Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 20-011-00837.
Funding: The reported study was funded by RFBR, project number 20-011-00837.

Abstract: The subject of this article is the public relations arising in the context of committing petty theft, as well as research means and methods for assessing the optimization of legislation and law enforcement. Due to the specific structure of administrative prejudice, the article presents the methodology and results of the analysis big data of judicial acts in cases of petty theft (the Code of the Russian Federation on Administrative Offenses and the Article 158.1 of the Criminal Code of the Russian Federation) for assessing the quality of justice and optimization of legal regulation. The research is founded on the original interdisciplinary methodology, which contains the indicator approach along with the set of legal and computer aided techniques, including intellectual text and data mining, as well as machine learning. It is demonstrated that the judgments of conviction do not have considerable differences in the semantics and logical complexity of decision-making in comparison with the ruling on imposition of administrative penalty; the logic of making decisions on the choice of administrative or criminal penalty for petty theft varies, whereby the choice of administrative penalty is more differentiated. Despite the identity of acts related to administrative prejudice, their regulation by different laws leads to different enforcement results. Administrative-tort regulation is more optimal. Administrative responsibility for petty theft is rather humane for the society overall, although for victims, criminal responsibility appears to be more humane. Having analyzed the array of information, the author extracts certain knowledge on the administrative-tort and criminological characteristics of petty theft alongside peculiarities of court proceeding and imposition of penalties, as well as concludes on applicability of the developed methodology towards analyzing big data of case law on administrative and criminal offenses.



Keywords:

machine learning, big data, digital state, improving the legal system, administrative prejudice, humanization, pilferage, text mining, data mining, indicators

1. Введение

В законодательстве стран, ранее входивших в социалистический блок, часто встречается легальное деление публичных правонарушений на уголовные преступления и административные проступки. В связи с наличием такого деления ведется дискуссия об институте «административной преюдиции», смысл которого состоит в том, что повторное (неоднократное, систематическое) совершение административного проступка переводит его в категорию преступлений [1] [2]. В уголовных законах ряда государств, возникших на пространстве бывшего СССР, институт административной преюдиции используется сейчас (в Армении, Белоруссии, Грузии, Киргизии, Молдове, России, Таджикистане, Туркменистане, Узбекистане) либо использовался в недавнем прошлом (в Казахстане, Эстонии) [3, с. 62].

Проблема административной преюдиции имеет множество аспектов, вызывающих острое общественное обсуждение и представляющих теоретический и практический интерес для правоведения. Противники административной преюдиции отмечают, что:

1) правонарушитель дважды несет юридическую ответственность за первый проступок (сначала административную, а затем уголовную);

2) административная преюдиция направлена не на гуманизацию уголовного законодательства, а на усиление его репрессивности;

3) первое деяние (административное правонарушение) при привлечении лица к уголовной ответственности не расследуется в ходе предварительного следствия, а затем в суде;

4) в силу статьи 2.5 КоАП РФ институт административной преюдиции не применяется к военнослужащим, гражданам, призванным на военные сборы, и сотрудникам правоохранительных органов (Следственного комитета Российской Федерации, органов внутренних дел, войск национальной гвардии Российской Федерации, органов и учреждений уголовно-исполнительной системы, органов принудительного исполнения Российской Федерации, Государственной противопожарной службы и таможенных органов), численность которых составляет около 2,5 млн. чел., что нарушает принцип равенства всех перед законом [4] [5].

Многие исследователи отмечают очевидное расхождение между официальными заявлениями о гуманистической цели административной преюдиции и реальным ее использованием в законодательной практике. С одной стороны, Президент Российской Федерации [6] и Конституционный Суд Российской Федерации [7] позиционируют административную преюдицию в качестве средства декриминализации незначительных единичных проступков и тем самым — как способ гуманизации охранительного закона. В рамках этой позиции утверждается, использование института административной преюдиции исключает криминализацию впервые совершенных нетяжких преступлений [8, с. 89], предусматривая за такое деяние более мягкую (т.е. административную) ответственность, а уголовная ответственность наступает только тогда, когда административное наказание за первое нарушение не отвратило нарушителя от дальнейшей преступной активности.

С другой стороны, ученые отмечают, что в реальной практике законотворчества происходит обратное, и правонарушения, которые ранее ни при каких условиях не наказывались как преступления, при повторном их совершении переведены в разряд преступлений [9] [10].

В научной литературе обосновывалось утверждение, что все изменения особенной части УК РФ с 2013 г. связаны с ужесточением уголовной ответственности в ущерб гуманизации уголовного права [11, с. 75]. Не абсолютизируя этого утверждения, отметим, что при введении института административной преюдиции в уголовном законодательстве преимущественно, а именно — в 14 случаях, появлялись новые преступления, а не декриминализировались существующие составы. Еще в 6 случаях нормы уголовного закона были уточнены в пользу большей определенности, без какой-то существенной декриминализации (например, оценочное понятие «злостность» заменялось формализованной административной преюдицией). Только в одном случае — преступления побоев — произошла несомненная частичная декриминализация; однако именно эта административная преюдиция, введенная в 2016 г. и получившая в 2017 г. развитие за счет декриминализации также впервые совершенного семейного насилия (побоев в отношении близких лиц), подверглась серьезной критике российскими учеными [12], общественностью [13] [14] [15] и даже Советом Европы [16].

Наконец, стоит упомянуть, что к административной преюдиции выдвигалась претензия, касающаяся политического использования данного института для репрессивного воздействия на лиц, критикующих деятельность органов государственной власти в Российской Федерации [17]. Впрочем, случаи применения такого рода «политических» статей УК РФ все же единичны; это, конечно, не исключает эффективной общей превенции, но она требует научных доказательств.

Административная преюдиция активно использовалась в советском уголовном праве, начиная с декрета Совнаркома РСФСР от 07.10.1921 «Об ответственности за нарушение декрета о продаже виноградных, плодово-ягодных и изюмных вин» [18, с. 290]. В УК РСФСР 1922 г. в момент его принятия имелась одна статья с административной преюдицией, а позднее появилась ее одна статья. В УК РСФСР 1926 г. было три таких статьи. В УК РСФСР 1960 г. имелись 6 таких статей в момент его принятия и 25 статей в последней редакции кодекса, а всего за период его действия — 35 различных статей [19].

С принятием УК РФ 1996 г. законодатель отказался от административной преюдиции как советского пережитка, имеющего репрессивную репутацию [20, с. 64]. Тем не менее в 2009 г. уголовный закон установил, что ответственность за злоупотребление доминирующим положением (статья 180 УК РФ) наступает только при условии привлечения лица за аналогичные деяния к административной ответственности (статьи 14.31 и 14.31.1 КоАП РФ) более двух раз в течение трех лет (эта административная преюдиция действовала до 20.03.2015).

Несмотря на активную критику, законодатель возобновил использование административной преюдиции и, более того, прибегает к ней все чаще. На сегодняшний день действуют уже 20 административных преюдиций, причем их введение в уголовный закон стало регулярным, а увеличение их количества — очевидной тенденцией: в 2011 г. была введена еще одна административная преюдиция, в 2014 — 2, в 2015 г. — 2, в 2016 г. — 4, в 2017 г. — 1, в 2018 г. — 2, в 2019 г. — 1, в 2020 г. — 4, в первом полугодии 2021 г. — 3.

2. Цель

Разрешение разнообразных проблем, связанных с административной преюдицией, невозможно без аксиоматизации ряда суждений, определяющих правопонимание, а это выходит за рамки настоящего исследования. Вместе с тем наличие такой специфической законодательной конструкции, как административная преюдиция, и соответствующего массива судебных актов позволяет проводить междисциплинарные исследования на основе сравнения судебной практики по сходным делам, рассмотренным на основании разных охранительных законов (КоАП РФ или УК РФ) в различных процессуальных формах (производства по делу об административном правонарушении или уголовного судопроизводства).

Настоящая статья отражает новые результаты исследования, проводимого авторами с 2017 г. в рамках разработки междисциплинарной (юридико-вычислительной) методологии изучения правового регулирования.

В качестве промежуточных задач исследования проверяются две гипотезы.

Гипотеза 1: судебные акты, вынесенные в порядке уголовного судопроизводства, должны обладать более развитой семантикой и логической сложностью принятия решений (качеством правосудия), чем судебные акты, вынесенные по процедуре производства по делам об административных правонарушениях.

Основанием для данной гипотезы служит общепринятое суждение касательно уголовного судопроизводства и производства по делам об административных правонарушениях, согласно которому последнее отличается упрощенностью и ускоренностью [21, с. 56], а уголовное судопроизводство отличается высоким качеством [22, с. 127]. Подтверждение этой гипотезы будет свидетельствовать о том, что уголовное судопроизводство действительно обеспечивает более тщательное выяснение обстоятельств дела и, таким образом, действительно служит повышенной гарантией справедливого наказания. Опровержение этой гипотезы будет означать, что реальный эффект административной преюдиции входит в противоречие с заявленными целями правовой политики.

Гипотеза 2: в случае административной преюдиции индикаторы оптимизации законодательства и правоприменительной практики, ранее разработанные авторами [23], должны показывать принципиально сходные результаты на материалах уголовного судопроизводства и на материалах производства по делам об административных правонарушениях по статьям закона, связанными между собой административной преюдицией.

Основанием для данной гипотезы служит фактическая тождественность административного правонарушения и преступления, связанных между собой административной преюдицией (если исключить саму эту преюдицию из состава преступления). Подтверждение этой гипотезы будет свидетельствовать о единообразном подходе правоприменителя к применению административной и уголовной ответственности в сходных делах, т.е. о единообразии судебной практики, которое является одним из столпов законности. Опровержение этой гипотезы будет означать, что логика судебного решения по уголовному делу отличается от логики решения по делу об административном правонарушении, что обязательно следует учитывать при переводе деяния из категории административных правонарушений в категорию преступлений.

Решение задач по проверке истинности или ложности указанных гипотез обеспечит достижение цели настоящей работы, состоящей в проверке на материалах административной преюдиции (приговоров судов по уголовным делам) методологии качественной оценки оптимизации законодательства и правоприменительной практики, ранее разработанной авторами на больших данных дел об административных правонарушениях.

3. Методология

Исследование было выполнено на основе «аполитичной» административной преюдиции, имеющей при этом важное социальное значение, а именно — на примере мелкого хищения (статья 7.27 КоАП РФ, статья 158.1 УК РФ). Названные статьи закона действуют в неизменной редакции с 15.07.2016.

Из открытых источников (государственная автоматизированная система Российской Федерации «Правосудие») были собраны судебные акты, относящиеся к статьям 7.27 КоАП РФ и 158.1 УК РФ. В рамках принципа GIGO была произведена очистка данных (data cleaning) в целях получения качественных данных, пригодных для интеллектуального анализа (data mining) и машинного обучения (machine learning) и соответствующих требованиям валидности (validity), точности (accuracy), полноты (completeness), согласованности (consistency) и единообразия (uniformity) [24].

В результате предобработки, в том числе структурирования, методами, ранее апробированными авторами [25] [26] [27] [28], был сформирован датасет из 10990 судебных актов, полнота которого достаточна ввиду следующего.

1) Собраны 6825 судебных актов (постановлений о назначении административного наказания) по статье 7.27 КоАП РФ.

Таблица 1. Данные ведомственного статистического наблюдения о работе судов общей юрисдикции по рассмотрению дел об административных правонарушениях, предусмотренных статьей 7.27 КоАП РФ, за 2017–2020 гг. [29] [30] [31] [32]

Год

Всего лиц, подвергнутых наказанию

из них иностранных граждан и лиц без гражданства

Предупреж-дение

Администра-тивный штраф

сумма наложенных штрафов (1 инстанция)

Администра-тивный арест

Обязательные работы

2017

121538

919

42

76423

124702293

37581

7492

2018

124542

835

41

77488

123810713

38472

8541

2019

129185

800

49

79660

127386209

40476

9000

2020

108714

625

33

66716

112545380

33739

8226

С доверительной вероятностью 99% (поскольку судебные акты принимаются «как есть») расчет статистической ошибки выборки дает 1,2% при условии однородности генеральной совокупности и ожидаемой доле признака — 50. Здесь и далее следует учитывать, что данный показатель является только ориентиром, поскольку анализ больших данных судебных актов основывается на вычислительных методах работы с несбалансированными выборками и соответствующих методах оценки и устранения ошибок.

2) Собраны 4165 судебных актов (обвинительных приговоров) по статье 158.1 УК РФ (только с одним наказанием, без постановления приговора по совокупности с другими преступлениями, предусмотренными иными статьями УК РФ).

Таблица 2. Данные ведомственного статистического наблюдения о числе привлеченных к уголовной ответственности и видах уголовного наказания за преступления, предусмотренные статьями 158.1, 165 и 168 УК РФ, за 2017–2020 гг. [33] [34] [35] [36]

Год

Всего осуждено

Штраф

Принудительные работы

Обязательные работы

Исправительные работы

Ограничение свободы

Арест

Лишение свободы

2017

1471

173

1

310

103

70

0

439

2018

3852

401

1

764

250

158

0

1464

2019

5264

417

8

910

342

253

0

2216

2020

5998

426

8

1185

350

280

0

2432

Ввиду отсутствия в ведомственной судебной статистике отдельного учета по статье 158.1 УК РФ соответствующие показатели могут быть оценены приблизительно на основании приведенной таблицы и следующих данных:

- согласно научным исследованиям, активность применения статьи 165 УК РФ исчисляется всего лишь несколькими десятками осужденных в год [37];

- согласно судебной статистике, за 2015 г. по статьям 165 и 168 УК РФ было осуждено в совокупности 174 чел. [38], а за 2016 г. по статьям 158.1, 165 и 168 — 220 чел. [39], при этом следует учесть, что преюдициальная статья 158.1 УК РФ вступила в силу 15.07.2016, а значит, приговоры на основании данной статьи из-за ее преюдициального характера, сроков предварительного расследования и рассмотрения дела в 2016 г. были еще единичны;

- статьи 165 и 168 УК РФ действуют в неизменной редакции с 2011 г.

Отсюда следует вывод, что в показателях из табл. 2 на долю мелкого хищения по сумме показателей 2017–2020 гг. приходится более 95%. Поскольку методы интеллектуального анализа и машинного обучения не гарантируют 100% точности, это позволяет в силу аппроксимационного подхода пользоваться вышеуказанными статистическими данными, относя их в полном объеме на счет статьи 158.1 УК РФ без какой-либо корректировки. На основании этих данных с доверительной вероятностью 99% расчет статистической ошибки выборки дает 1,3% (с учетом сделанных выше оговорок).

В ходе дальнейшего исследования были использованы догматический метод, метод экспертных оценок, методы интеллектуального анализа текстов и данных, методы машинного обучения.

Следует отметить, что в мировой науке работы методологического характера в области применения методов интеллектуального анализа текстов и данных и методов машинного обучения к предметной области права и к большим данным крайне немногочисленны, что было предметом особого исследования авторов [40], и авторами учтен позитивный и негативный опыт важнейших современных исследовательских направлений и экспериментов.

Так, в XXI веке в области представления юридических знаний для интеллектуализации информационно-правового поиска известен ряд исследований, ориентированных на классификацию и факторизацию [41] или на продвижение предметно-ориентированных онтологий [42] [43] [44]. Предпринимаются попытки реабилитации идеи разработки экспертных систем в области права, но уже с использованием новейших достижений в области искусственного интеллекта; в этой области следует упомянуть разработку систем по типу «классной доски», основанных на использовании архитектурной модели итеративного экспертного обновления источников знания [45], а также систем на основе интеграции шаблона «классной доски» и сервис-ориентированной архитектуры с правовыми рассуждениями по типу кейсов [46]. Имеются определенные результаты в разработке информационных систем с интеграцией поисковых и аргументационных функций на основе узлов онтологии [47], а также с применение деонтической логики для автоматизации рассуждений над юридическими текстами [48]. Проводятся экспериментальные исследования по повышению точности прогноза исхода судебных дел, однако они показывают недостаточно валидные (для нужд юриспруденции) результаты и часто ограничены традиционной для подобных исследований предметной областью коммерческой тайны [49] [50] [51].

В области использования больших данных и методов машинного обучения работы носят экспериментальный характер. Известны разработки на основе индукционного алгоритма Кларка — Ниблетта, применяемого к массиву судебных дел [52], опыты интеграции машинного обучения и семантических аннотаций [53], а также эксперименты по контролируемому и неконтролируемому машинному обучению для автоматического тематического распределения юридических документов [54]. Исследования на больших данных, пригодных для юридической сферы, находятся в самой начальной стадии и пока сосредоточены на приспособлении доступных «неюридических» больших данных (например, больших данных исторических документов [55] и больших метаданных интернет-провайдеров [56]) к задачам, имеющим юридический смысл.

В России известны единичные работы в области применения к праву методов интеллектуального анализа текстов: например, эксперименты по использованию объектных графов для обработки естественного языка на массивах юридических документов [57], а также исследование проблем построения юридической онтологии [58]. Интеграцией в юридическую методологию компьютерных методов машинного обучения и обработки больших, насколько известно, в России занимается только коллектив, представленный авторами настоящей статьи. Индикаторный подход, реализуемый авторами на основе интеллектуального анализа данных и машинного обучения в их применении к большим юридическим данным, в работах зарубежных авторов неизвестен, что определяет методологическую новизну настоящей работы.

4. Результаты и их обсуждение

4.1. Семантическое разнообразие текстов судебных актов

Текстовые данные подверглись нормализации с приведением слов к начальным формам и выделением биграмм и триграмм в целях выявления юридических коллокаций. На основе нормализованных текстов (с учетом биграмм и триграмм) составлены частотные словари:

1) по статье 7.27 КоАП РФ — частотный словарь извлеченных слов, биграмм и триграмм (далее условно: термины), содержащий 26211 терминов, употреблявшихся в совокупности 3351987 раз;

2) по статье 158.1 УК РФ — частотный словарь, содержащий 47976 терминов, употреблявшихся в совокупности 7865440 раз.

Для выявления семантического разнообразия был сформирован и проанализирован объединенный частотный словарь, что дало следующие результаты:

- в указанных частотных словарях пересекающиеся термины, т.е. общие для обоих словарей, составили 12578 (т.е. 48,0% словаря по статье 7.27 КоАП РФ и 26,2% словаря по статье 158.1 УК РФ);

- совокупная частота употребления пересекающихся терминов составила 10607992 (т.е. 94,6% объединенного словаря);

- среднеарифметическая частота употребления пересекающихся терминов составила 843,4 раза, тогда как непересекающихся терминов (49031) — 12,4 раза.

Экспертный просмотр непересекающихся терминов в обоих словарях (уголовном и административном), выполненный на 10% словарного состава, показал, что он практически полностью является семантическим «шумом» (имена собственные, опечатки и т.д.) и в целом малопригоден для использования при обработке больших данных, а также в интеллектуальном анализе данных (data mining) и экспертной работе.

Большее терминологическое разнообразие словаря по статье 158.1 УК РФ (47976 против 26211 терминов по статье КоАП РФ), усматривающееся из вышеприведенных результатов, нельзя считать значимым, поскольку извлеченные из ГАС «Правосудие» тексты судебных актов при загрузке в ГАС уже подвергались обработке, в том числе удалению части данных и псевдонимизации. Абстрагируясь от полученных количественных значений, разумно предположить, что больший объем словаря по статье уголовного закона в целом отражает действительность, хотя бы ввиду того, что объем текстового массива по статье 158.1 УК РФ в 2,3 раза превышает текстовый объем выборки по статье 7.27 КоАП РФ. Однако качество и семантическая значимость этого увеличенного текстового массива крайне низкие, и в объеме больших данных это словарное разнообразие не имеет значения.

Выявленное словарное совпадение (на 94,6%) текстовых массивов однозначно свидетельствует в пользу крайней степени сходства языка текстов судебных актов по уголовным делам и делам об административных правонарушениях. Это сходство объясняется не только существенным сходством фиксируемых в судебных актах фактических явлений и процессов, но и юридическим сходством правоприменительного процесса в обоих случаях (уголовного судопроизводства и производства по делам об административных правонарушениях).

Таким образом, язык судебных актов на больших массивах данных демонстрирует отсутствие существенных различий в правоприменении, осуществляемом, с одной стороны, в рамках уголовно-правового охранительного регулирования правонарушения и уголовно-процессуальной формы наказания за него и, с другой стороны, в рамках административно-деликтного регулирования того же правонарушения и административно-процессуального порядка назначения наказания (речь ведется об административной преюдиции).

4.2. Семантическая значимость текстов судебных актов

Для целей семантического анализа экспертным путем, принимая за данность невозможность его полного исключения на современном уровне развития науки и технологии [59], по заранее определенной методике были отобраны семантически значимые термины (слова, биграммы и триграммы).

Методика экспертного отбора включала в качестве важнейших правил следующее:

1) исключение терминов с частотностью менее 1% от количества судебных актов по каждой анализируемой статье (т.е. по статье 7.27 КоАП РФ — с частотой 1–68, по статье 158.1 УК РФ — с частотой 1–41), учитывая вышеприведенные соображения о полноте и валидности данных;

2) удаление общих стоп-слов (предлоги, частицы, цифры и т.д.);

3) удаление терминов, не относящихся к правоприменению (т.е. к квалификации содеянного и назначению меры реагирования на него);

4) термины, не имеющие явной устойчивой семантической связи с одним из фреймов, указанных ниже;

5) удаление терминов, частота которых в датасете заведомо не соответствовала требованию полноты ввиду выборочного удаления ряда данных из вводных частей судебных актов в процессе их обработки и псевдонимизации при загрузке текстов судебных актов в ГАС «Правосудие» (например, из текстов судебных актов беспорядочно удаляются данные об уровне образования, отношении к воинской обязанности, состоянии в браке, судимости, трудоустройстве лица, в отношении которого ведется производство по делу);

6) удаление терминов, которые заведомо присутствовали во всех судебных актах и ничего не добавляли к семантике применимого закона (например, «хищение», «ущерб» — применительно к мелкому хищению), а также удаление предписанных терминов (например, видов назначенных наказаний);

7) удаление терминов, которые присутствовали не во всех судебных актах, но описывали заведомо всеобщие и очевидные в данном контексте явления и процессы (например, «корыстный мотив» — применительно к мелкому хищению);

8) выбор ключевых терминов (свободных компонентов), отвечающих требованиям семантической определенности, лексической значимости, профессиональной употребительности и контекстной предсказуемости [60].

Из отобранных терминов экспертным путем были составлены два терминологических словаря (по статье 7.27 КоАП РФ и по статье 158.1 УК РФ). В каждом словаре отобранные термины были объединены в группы по признаку синонимичности с присвоением каждой группе (один и более терминов в каждой) условного обозначения для удобства дальнейшей работы.

В процессе экспертной синонимизации были объединены:

1) собственно синонимы;

2) термины, выражающие юридически тождественную информацию;

3) синонимичные несвободные компоненты, для которых в заданном контексте практически полностью исключена семантическая подстановка (такие термины объединялись с ключевыми компонентами коллокаций);

4) различные гипонимы в группу гиперонима с учетом малозначимости различий между гипонимами в контексте правоприменения (например, в группу «алкогольная продукция» были объединены «вино», «водка», «коньяк», «пиво», «виски» и др.).

Семантические единицы терминологических словарей были классифицированы на основе разработанной авторами базы знаний с распределением по следующим фреймам:

1) участники производства;

2) фактические обстоятельства дела;

3) средства доказывания;

4) процессуальные факты;

5) рассуждения правоприменителя.

Результаты синонимизации и структурирования терминов показаны в следующих таблицах.

Таблица 3. Распределение семантических единиц и терминов по фреймам

Фрейм (класс)

Терминологический словарь по статье 7.27 КоАП РФ

Терминологический словарь по статье 158.1 УК РФ

ВСЕГО

групп терминов

терминов (синонимов)

групп терминов

терминов (синонимов)

групп терминов

участники производства

4

19

12

53

12

фактические обстоятельства дела

38

133

64

448

64

средства доказывания

13

27

19

79

19

процессуальные факты

6

9

15

38

16

рассуждения правоприменителя

1

2

2

4

2

ИТОГО

62

190

112

622

113

Таблица 4. Распределение семантических единиц по статьям закона

Фрейм (класс)

Семантические единицы

пересекающиеся

непересекающиеся

по статье 7.27 КоАП РФ

по статье 158.1 УК РФ

участники производства

полиция, потерпевший, представитель, свидетель

гражданский истец, гражданский ответчик, дознаватель, защитник, обвинитель, подсудимый, представитель гражданского истца, эксперт

фактические обстоятельства дела

автомобиль, алкогольная продукция, алкогольное опьянение, велосипед, витрина, возмещение, впервые, забыть, кассовая зона, корзина, корм для животных, кошелек, кража, магазин, мать, муж, наушники, неоднократно, одежда, охрана, пенсионер, полка, помещение, признание вины, прилавок, продукты питания, путем свободного доступа, работник магазина, раскаяние, ребенок, состояние здоровья, средства личной гигиены, сумка, телефон, товар, трудоустроенный, умышленный, учеба

аптека, бабушка, беременность, гость, дочь, игрушка, отец, примерочная, принесение извинений, противокражное оборудование, психиатрия-наркология, рецидив, родственник, светофор, сигареты, сожитель, способствование расследованию, стечение тяжелых жизненных обстоятельств, судимость, сын, трезвый, характеризуется отрицательно, характеризуется положительно, характеризуется посредственно, холодильник

средства доказывания

акт, вещественное доказательство, видео/аудиозапись, заявление, КУСП, накладная, объяснение, показания, протокол, рапорт, расписка, справка, фототаблица

акт инвентаризации, акт ревизии, акт приема-передачи, опись, счет-фактура, явка с повинной

процессуальные факты

доставление, задержание, извещение телефонограммой, личный досмотр, осмотр

отказ в возбуждении уголовного дела

выемка, гражданский иск, домашний арест, допрос, консультация защитника, обязательство о явке, опознание, подписка о невыезде, издержки, эпизод

рассуждения правоприменителя

оговор

покушение

ИТОГО

61

1

51

Таблица 5. Распределение семантических единиц, употребляющихся только в одной статье закона и вообще не встречающихся (независимо от частотности) в текстовом массиве по другой статье закона

Фрейм (класс)

Непересекающиеся семантические единицы

по статье 7.27 КоАП РФ

по статье 158.1 УК РФ

участники производства

гражданский ответчик, обвинитель, представитель гражданского истца

фактические обстоятельства дела

рецидив, способствование расследованию

средства доказывания

процессуальные факты

отказ в возбуждении уголовного дела

домашний арест, консультация защитника, подписка о невыезде

рассуждения правоприменителя

На данных таблиц 3–5 выполнен ряд наблюдений.

1) Абсолютное большинство семантических единиц (около 3/5) описывают фактические обстоятельства дела. Этот показатель практически одинаков для постановлений о назначении административных наказаний (61,3%) и обвинительных приговоров по уголовным делам (57,1%).

2) Семантически значимые паттерны рассуждений правоприменителя крайне бедны. В пределах n-грамм при n

3) Дополнительная проверка непересекающихся семантических единиц на полном текстовом массиве (независимо от частотности термина) показала, что практически все эти семантические единицы (а именно — 43 из 52) обнаруживаются со снижением частотности терминов. Иными словами, в действительности и эти «непересекающиеся» семантические единицы являются пересекающимися, однако они наблюдаются ниже принятого в исследовании порога частотности (1% от количества судебных актов по статье закона). В связи с этим принципиально можно вести речь о пороге точности анализа и вычислений (пока он принимается за 99%), а также о целесообразности достижения такой точности в терминологическом словаре в исследовательской ситуации, когда методы на больших массивах данных пока не обеспечивают более чем 99% точности.

4) Проверка непересекающихся семантических единиц на полном текстовом массиве (независимо от частотности термина) показала (см. табл. 5), что только 9 из 113 семантических единиц по объединенному терминологическому словарю (т.е. 8,0%) принадлежат текстовому массиву судебных актов исключительно по одной из статей закона. Все случаи несовпадения с очевидностью вытекают из специфических предписаний закона, а именно:

«гражданский ответчик», «обвинитель», «представитель гражданского истца», «домашний арест», «консультация защитника», «подписка о невыезде» — предусматриваются в уголовном процессе (статьи 54, 246, 45, 107, 314 и 102 УПК РФ соответственно), но отсутствуют в КоАП РФ;

«рецидив» и «способствование расследованию» — предусматриваются уголовным законом (статья 18 и пункт «и» части 1 статьи 61 УК РФ), но отсутствуют в КоАП РФ;

«отказ в возбуждении уголовного дела» — уголовно-процессуальное решение, исключающее возможность постановления обвинительного приговора, но способное запустить механизмы административной ответственности (часть 4 статьи 4.5, пункт 7 части 1 статьи 24.5 КоАП РФ).

Эта уникальность терминологического состава обусловлена причинами сугубо юридического свойства (причем правотворческого уровня), которые вызывают появление соответствующей семантики в судебных актах (на уровне правоприменения) по одной статье закона, но исключают ее появление в судебных актах, формируемой по другому закону.

4.3. Особенности объема, структуры и семантического содержания судебных актов

Анализ текстов судебных актов и извлеченных из них данных показал следующее.

1) Имеется существенное различие в текстовых объемах судебных актов (дано среднее арифметическое):

- для обвинительных приговоров по уголовным делам — 1888,5 терминов на один приговор;

- для постановлений о назначении административных наказаний — 491,1 терминов на одно постановление.

Различие в объеме составляет 3,8 раза, и его причиной является, главным образом, то, что для обвинительных приговоров характерны следующие структурные и содержательные особенности:

- наличие многоэпизодных уголовных дел (в данной выборке — в 918 приговорах, т.е. 22,0%, причем количество эпизодов достигает 17), а многоэпизодность хотя и не влияет на вводную часть приговора, но кратно увеличивает объем описательной и резолютивной частей, а также значительно увеличивает мотивировочную часть приговора;

- изложение в приговоре фактов соблюдения процессуальной формы предоставления подсудимому гарантий обеспечения его прав;

- поименование в приговоре множественных участников процесса и их действий;

- изложение фактов соблюдения судом требования о выяснении дополнительных сведений о личности подсудимого (например, о психическом и наркологическом здоровье);

- развернутый способ изложения, не ограниченный перечислением средств доказывания, а состоящий в воспроизведении самих доказательств (т.е. фактических данных) с указанием соответствующих средств доказывания;

- ссылка на административную преюдицию.

В отличие от обвинительных приговоров, постановления о назначении административного наказания содержат, главным образом:

- лаконичное описание правонарушения (например: «25 января 2020 года в 20 часов 43 минут В., находясь в торговом зале магазина «Дьюти Фри», расположенном по адресу: г. …, ул. … , 2, взял с прилавка бутылку коньяка «Старый Кенигсберг», объемом 0,375 литра, стоимостью без учета НДС 329 рублей 00 копеек и, положив данный товар за пазуху своей куртки, прошел мимо кассового терминала и вышел из магазина, не оплатив за данный товар, чем совершил хищение путем кражи»);

- мотивировку принимаемого постановления ссылкой на средства доказывания без содержательных повторов (например: «В. в судебном заседании свою вину не признал, обстоятельства, указанные в административном протоколе, опровергает, пояснив, что никаких товаров в магазине «Дьюти Фри» по адресу: г. …, ул. … , 2 — он не похищал. Вместе с тем, несмотря на непризнание В. своей вины, его виновность в совершенном административном правонарушении подтверждается имеющимися в деле доказательствами: протоколом об административном правонарушении 58 УВ № 588026 от 26 февраля 2020 года, заявлением и письменным объяснением представителя потерпевшего Ш., оснований для оговора В. у которых не усматривается, товарной накладной о стоимости похищенного товара»).

При этом следует учитывать, что:

- КоАП РФ формально не запрещает возможности вынесения одного постановления по нескольким эпизодам (самостоятельным правонарушениям), однако такая практика по ряду причин не сложилась;

- процессуальные гарантии, предоставленные лицу, в отношении которого ведется производство по делу об административном правонарушении, минимальны (например, защитник ему не назначается и не оплачивается, а потому случаи его участия в деле единичны);

- производство по делу об административном правонарушении ведется с минимальным количеством участников (часто с участием только самого нарушителя).

2) Лаконизм постановлений о назначении административных наказаний отражается также в показателях употребления семантических единиц.

Таблица 6. Показатели доли и частоты употребления семантических единиц (включая повторные употребления тех же семантических единиц)

Показатель

Терминологический словарь

по статье 7.27 КоАП РФ

по статье 158.1 УК РФ

Доля семантических единиц в текстовом массиве

5,8%

8,4%

Частота употреблений семантических единиц в расчете на один судебный акт (среднее арифметическое)

28,4

158,5

Как видно из табл. 6, несмотря на кратные различия в количестве употребляемых семантических единиц в расчете на один судебный акт — в 5,6 раза, доля семантических единиц в тексте различается уже вчетверо меньше — только в 1,4 раза. Экспертный анализ текстов обвинительных приговоров показывает, что в них присутствуют смысловые повторы, имеющие юридическое значение для отражения процесса доказывания, но не несущие практически никакой дополнительной информационной нагрузки.

Кроме того, из этой таблицы следует, что в текстах судебных актов смысловую нагрузку несет только один термин (слово, биграмма, триграмма) из 12–17, тогда как остальные слова обеспечивают, главным образом, связанность текста, его общую и юридическую грамотность. Это обстоятельство определяет перспективы и возможности машинной обработки (machine learning) и интеллектуального анализа текстов и данных (text mining, data mining) в отношении судебных актов, а также экспертного отбора семантически значимых терминов.

3) Средства доказывания практически не имеют различий. Хотя терминологический словарь (табл. 4) по уголовным делам в этой части шире (за счет семантических единиц: «акт инвентаризации», «акт ревизии», «акт приема-передачи», «опись», «счет-фактура», «явка с повинной»), чем по делам об административных правонарушениях, в действительности, как видно из табл. 5, те же семантические единицы (а значит, и средства доказывания) встречаются и в последней категории дел, но только реже.

При этом очевидно, что:

- «акт», с одной стороны, и «акт инвентаризации», «акт ревизии», «акт приема-передачи» — с другой, соотносятся как гипероним и гипонимы;

- «явка с повинной» (отнесенная в исследовательских целях к средствам доказывания ввиду особенностей ее использования в приговорах) представляет собой исключительно уголовно-процессуальное правовое средство, которое находит отражение только в единичных постановлениях о назначении административного наказания (после отказа в возбуждении уголовного дела);

- «счет-фактура» (появляется среди средств доказывания только в 339 приговорах, т.е. 8,1%) — это документ для налоговых целей, и его функции в полной мере выполняет «накладная», которая имеется практически в каждом деле об административном правонарушении;

- по своим функциям в судопроизводстве «опись» (фигурирует в 67 приговорах, т.е. 1,6%) чаще всего идентична «расписке» (встречается в 14,1% постановлений).

Таким образом, уголовное судопроизводство не обеспечивает никаких новых средств доказывания по делам о мелком хищении, в сравнении с производством по делу об административном правонарушении.

4) В текстах приговоров по уголовным делам, с учетом составленных терминологических словарей (в пределах частотного порога 1% от количества судебных актов) наблюдается большее семантическое разнообразие, чем в постановлениях по делам об административных правонарушениях: 112 семантических единиц против 62.

Хотя выше уже показано, что практически все семантические единицы из массива судебных актов по одной статье закона можно найти и по другой статье закона, просто исключив частотный порог (т.е. они более редкие в делах об административных правонарушениях), следует дополнительно отметить следующее. Отчасти названное различие явно обусловлено спецификой уголовного права и процесса, в которых предусмотрены правовые средства, отсутствующие в административно-деликтном праве:

- участники производства (гражданский истец, гражданский ответчик, дознаватель, обвинитель, подсудимый, представитель гражданского истца);

- средства доказывания (явка с повинной);

- процессуальные факты (выемка, гражданский иск, домашний арест, допрос, консультация защитника, обязательство о явке, опознание, подписка о невыезде, эпизод, издержки); при этом вопрос «издержек», которые предусмотрены КоАП РФ, в данном случае необходимо рассматривать в контексте статьи 24.7 КоАП РФ, не позволяющей возлагать на физическое лицо процессуальные издержки, в силу чего они отсутствуют в делах о мелком хищении по КоАП РФ;

- рассуждения правоприменителя (покушение).

4.4. Извлечение знаний методами интеллектуального анализа

Интеллектуальный анализ и методы машинной обработки данных позволяют извлекать из текстовых массивов (данных) разнообразные знания, выходящие за рамки показателей официальной статистики.

1) На примере преюдициальной пары статей 7.27 КоАП РФ и 158.1 УК РФ с использованием вышеприведенного терминологического словаря получены, в частности, следующие знания о правонарушении (преступлении):

Таблица 7. Административно-деликтологические и криминологические характеристики мелкого хищения

Характеристики мелкого хищения

Статья 7.27 КоАП РФ

Статья 158.1 УК РФ

способ хищения

кража

100%

кража

100%

мошенничество

0%

мошенничество

0%

присвоение

0%

присвоение

0%

растрата

0%

растрата

0%

способ сокрытия похищенного

в сумку

44,2%

в сумку

58,6%

в карман

43,8%

в карман

25,0%

в рукав

7,0%

за пазуху

7,4%

за пазуху

5,0%

за пояс

4,9%

в рукав

4,1%

предмет хищения

алкогольная продукция

63,8%

продукты питания

60,0%

продукты питания

26,7%

алкогольная продукция

27,7%

средства личной гигиены

8,4%

средства личной гигиены

11,4%

корм для животных

0,4%

сигареты

0,4%

деньги

0,4%

игрушка

0,2%

велосипед

0,2%

велосипед

0,1%

одежда

0,1%

корм для животных

0,1%

одежда

0,1%

место хищения

магазин

98,9%

магазин

98,6%

автомобиль

0,7%

автомобиль

1,0%

кошелек

0,4%

кошелек

0,2%

аптека

0,2%

совершено в состоянии опьянения

9,9%

13,6%

характеристика нарушителя по месту жительства, работы, учебы

характеризуется положительно

50,5%

характеризуется отрицательно

39,4%

характеризуется посредственно

10,1%

2) С использованием тех же методов извлекаются знания о назначенных за правонарушение (преступление) наказаниях.

Например, ведомственная статистика (форма 10.1 «Отчет о числе привлеченных к уголовной ответственности и видах уголовного наказания») не формирует данные о размерах (сроках) наказаний, но их можно извлечь из выборки судебных актов.

Таблица 8. Среднеарифметический размер (срок) наказания на выборке приговоров по статье 158.1 УК РФ

Вид наказания

Санкция статьи 158.1 УК РФ

Среднеарифметический размер (срок) наказания на выборке приговоров

штраф

до 40 тыс. руб.

или в размере заработной платы или иного дохода осужденного за период до трех месяцев

8,1 тыс. руб.

обязательные работы

до 180 часов

108,1 часа

исправительные работы

до 6 месяцев

3,9 месяца

ограничение свободы

до 1 года

5,2 месяца

принудительные работы

до 1 года

арест

до 2 месяцев

лишение свободы

до 1 года

4,5 месяца

Ведомственная статистика (форма 1-АП «Отчет о работе судов общей юрисдикции по рассмотрению дел об административных правонарушениях») не формирует данные о размерах (сроках) административных наказаний, кроме административного штрафа (по данным судебной статистики, он составляет в среднем 1,6 тыс. руб.), но их можно извлечь из выборки судебных актов по статье 7.27 КоАП РФ.

Таблица 9. Среднеарифметический размер (срок) наказания на выборке постановлений по статье 7.27 КоАП РФ

Вид административного наказания

Санкция статьи 7.27 КоАП РФ

Среднеарифметический размер (срок) наказания на выборке постановлений

арест

до 15 суток

5,9 суток

обязательные работы

до 120 часов

35,6 часа

3) Такими же методами извлекаются знания о судопроизводстве, в частности:

- правонарушители не признали свою вину в содеянном в 230 постановлениях о назначении административного наказания (3,4%) и 24 обвинительных приговорах (0,6%);

- защитник участвовал в производстве по 11 делам об административных правонарушениях (0,2%) и 4129 уголовным делам (99,1%);

- свидетели допрашивались непосредственно в судебном заседании по 185 делам об административных правонарушениях (2,7%) и 1117 уголовным делам (26,8%);

- заключение экспертизы присутствовало в составе доказательств в 59 делах (0,9%) по статье 7.27 КоАП РФ и 811 делах (19,5%) по статье 158.1 УК РФ, причем в первом случае абсолютное большинство экспертиз были товароведческими (оценочными), а во втором — судебно-психиатрическими (судебно-медицинскими, психолого-психиатрическими);

- переводчик участвовал в рассмотрении 16 дел об административных правонарушениях (0,2%) и 1 уголовного дела (<0,1%), тогда как участие переводчика было признано судом ненужным при рассмотрении 28 дел об административных правонарушениях (0,4%) и 5 уголовных дел (0,1%).

Кстати, данные о переводчиках при рассмотрении дел об административных правонарушениях, доказывают высокую точность данных, полученных на выборке в настоящем исследовании. Согласно ведомственной судебной статистике, за 2017–2020 гг. в 0,657% случаев административное наказание по статье 7.27 КоАП РФ было назначено иностранным гражданам и лицам без гражданства, т.е. лицам, в отношении которых в правоприменительной практике принято выяснять вопрос о владении русским языком. По данным, извлеченным из выборки судебных актов, вопрос о переводчике разрешался судом в 0,644% случаев назначения административного наказания (44 постановления). Таким образом, налицо крайне высокая степень совпадения (погрешность 2%) данных настоящего исследования с судебно-статистическими данными об административно наказанных иностранцах.

4.5. Извлечение знаний с использованием ML -моделей на основе индикаторного подхода

Индикаторный подход, реализуемый авторами в разрабатываемой методологии качественной оценки оптимизации законодательства и правоприменительной практики и апробированный на больших данных дел об административных правонарушениях [61] [62] [63] [64] [65], позволил извлечь следующие знания с использованием методов машинного обучения (ML).

1) Индикатор предметной однородности, основанный на методах кластеризации и сокращения размерности пространства признаков, связанный с правовой целью обеспечения единообразия правоприменения и отражающий степень гетерогенности домена, показал на постановлениях о назначении административного наказания за мелкое хищение незначительную неоднородность данной категории правонарушений, определяемую по обстоятельствам дела и назначаемым административными наказаниями. На рис. 1 хорошо видны на периферии шесть кластеров, отражающие группы дел с вынесенным административным наказанием в виде обязательных работ, тогда как кластеризация дел с административным штрафом крайне слаба, а дел с административным арестом практически отсутствует. Такой результат свидетельствует о том, что в судебной практике сложилось наиболее устойчивое убеждение относительно необходимости применения при определенном комплексе (а не одном-двух) обстоятельств обязательных работ, в меньшей степени — административного штрафа, а комплексная административно-деликтологическая характеристика административного ареста не усматривается. В то же время кластеризация не так сильно выражена, как это было выявлено авторами в случае мелкого хулиганства (статья 20.1 КоАП РФ) [66].

Рис. 1. Индикатор предметной однородности (статья 7.27 КоАП РФ): дела с административным штрафом — зеленого цвета, обязательными работами — фиолетового, административным арестом — желтого.

Однако на данных о применении статьи 158.1 УК РФ та же ML-модель не показала неоднородности (рис. 2).

Рис. 2. Индикатор предметной однородности (статья 158.1 УК РФ): дела со штрафом — зеленого цвета, с обязательными работа — оранжевого, исправительными работами — черного, ограничением свободы — желтого, лишением свободы — красного.

Такие результаты свидетельствуют об отсутствии сегментации массива преступлений мелкого хищения и незначительной сегментации массива административных правонарушений мелкого хищения по признакам обстоятельств дел и назначенных наказаний. Таким образом, административно-деликтное регулирование в отношении мелкого хищения формирует несколько более дифференцированное правоприменение, чем его обеспечивает уголовно-правовое и уголовно-процессуальное регулирование.

2) Корреляция на смягчающие и отягчающие обстоятельства была ранее обоснована авторами в качестве индикатора индивидуализации наказания. Индикатор индивидуализации наказания, основанный на методах корреляционного анализа, кластерного анализа, классификации и регрессии, отражающий степень учета фактических данных при генерировании правоприменительного решения и связанный с принципом индивидуализации наказания, показал на постановлениях о назначении административного наказания за мелкое хищение наличие следующих ненулевых корреляций видов административного наказания на распространенные смягчающие и отягчающие обстоятельства (табл. 10).

Таблица 10. Индикатор индивидуализации наказания (статья 7.27 КоАП РФ)

Административный арест отрицательно коррелирует со всеми смягчающими обстоятельствами (признанием вины, раскаянием, наличием ребенка, состоянием здоровья, совершением впервые и возмещением ущерба), но положительно коррелирует со всеми отягчающими обстоятельствами (неоднократность и алкогольное опьянение). Административный штраф показывает ровно обратные корреляции. Обязательные работы занимают среднее положение среди трех видов административного наказания как в отношении уровня корреляции (не наблюдается резко положительных или резко отрицательных корреляций), так и в отношении набора коррелирующих обстоятельств (отрицательно коррелирует только на раскаяние и совершение правонарушения впервые, положительно — на остальные смягчающие обстоятельства и все отягчающие).

Идентичное положение усматривается и на обвинительных приговорах по уголовным делам (табл. 11).

Таблица 11. Индикатор индивидуализации наказания (статья 158.1 УК РФ)

Таким образом, два контрарных обстоятельства, т.е. фактически одно обстоятельство, взятое в позитивном и негативном аспектах, доминирует при индивидуализации наказания за мелкое хищение как в делах об административных правонарушениях (совершение правонарушения впервые vs. неоднократное совершение правонарушения), так и в уголовных делах (совершение правонарушения впервые vs. рецидив). Причем они же совсем незначительно коррелируют в отношении наиболее редких видов наказания: обязательных работы для статьи 7.27 КоАП РФ и исправительных работ для статьи 158.1 УК РФ. Прочие смягчающие и отягчающие обстоятельства менее значимы.

Показатели в табл. 10 и 11 демонстрируют значимость соответствующих смягчающих и отягчающих обстоятельств для назначения конкретного вида наказания, их можно сравнивать по вертикали (в отношении одного вида наказания), однако некорректно сравнивать по горизонтали (значимость одного обстоятельства для назначения разных видов наказаний). Для расчета корреляционных зависимостей последнего рода принято использовать значение p-value. Большинство выявленных корреляционных зависимостей (сиреневые ячейки в табл. 12 и 13), показанных на сравнении пары видов наказания, дает высокую степень статистической значимости (p-value<0,05) корреляционных зависимостей из табл. 10 и 11, показывая существенные различия в назначении этих двух видов наказания в зависимости от конкретных смягчающих и отягчающих обстоятельств.

Таблица 12. Расчет статистической значимости корреляционных зависимостей вида административного наказания со смягчающими и отягчающими обстоятельствами (значения p - value ) по статье 7.27 КоАП РФ

административный штраф / обязательные работы

административный штраф / административный арест

обязательные работы / административный арест

признание вины

0,043

0,428

0,023

раскаяние

<0,001

<0,001

0,033

ребенок

0,252

<0,001

<0,001

состояние здоровья

0,883

<0,001

0,143

впервые

<0,001

<0,001

0,176

неоднократно

<0,001

<0,001

<0,001

возмещение

0,002

0,127

<0,001

алкогольное опьянение

<0,001

<0,001

0,620

Таблица 13. Расчет статистической значимости корреляционных зависимостей вида наказания со смягчающими и отягчающими обстоятельствами (значения p - value ) по статье 158.1 УК РФ

штраф / обязат. работы

штраф / испр. работы

штраф / огр. своб.

штраф / лишен. своб.

обязат. работы / испр. работы

обязат. работы / огр. своб.

обязат. работы / лишен. своб.

испр. работы / огр. своб.

испр. работы / лишен. своб.

огр. своб. / лишен. своб.

алкогольное опьянение

<0,001

<0,001

0,146

<0,001

0,838

0,007

0,027

0,010

0,073

0,087

беременность

<0,001

0,002

0,597

<0,001

0,525

<0,001

0,191

<0,001

0,150

<0,001

возмещение

<0,001

0,785

0,014

<0,001

<0,001

0,672

0,979

0,030

<0,001

0,626

впервые

0,457

0,409

0,322

<0,001

0,105

0,097

<0,001

0,797

<0,001

<0,001

признание вины

0,075

0,963

0,053

0,440

0,080

0,541

<0,001

0,054

0,502

0,001

принесение извинений

0,568

0,979

0,600

0,792

0,562

0,271

0,232

0,626

0,828

0,671

раскаяние

0,204

0,251

0,068

0,305

0,336

0,999

0,022

0,456

0,632

0,167

ребенок

0,083

0,918

0,037

0,804

0,123

<0,001

0,022

0,033

0,918

0,006

рецидив

<0,001

0,002

0,930

<0,001

0,024

<0,001

<0,001

0,008

<0,001

<0,001

способствование расследованию

0,303

0,082

0,003

<0,001

0,304

0,013

<0,001

0,168

0,088

0,785

стечение тяжелых жизненных обстоятельств

0,077

0,020

0,068

0,005

0,361

0,758

0,066

0,688

0,707

0,438

явка с повинной

0,073

0,687

0,118

0,001

0,029

0,808

0,099

0,060

<0,001

0,476

Если привести результаты статистически значимой (p-value<0,05) дифференциации наказаний в зависимости от смягчающих и отягчающих обстоятельств, то получим условный показатель правоприменительной дифференциации наказаний:

- 70,8% (17/24) для административно наказуемого мелкого хищения;

- 39,2% (47/120) для уголовно наказуемого.

Эти результаты подтверждают выводы, сделанные выше на основе индикатора предметной однородности. Таким образом, применение административного наказания на основании статьи 7.27 КоАП РФ более индивидуализировано, чем наказания по статье 158.1 УК РФ.

3) Индикатор рациональности, основанный на методах регрессии и бинарной классификации, отражающий степень логичности выявляемого набора данных в контексте юридического обоснования и связанный с целью достижения правовой определенности, показал следующее.

Деревья решений были построены на основе всех извлеченных семантических единиц с меткой мультикласса на вид наказания (отдельно по каждой статье закона). Визуализация результатов представлена на рис. 3 и 4.

Рис. 3. Дерево решений по выбору вида административного наказания за мелкое хищение (статья 7.27 КоАП РФ)

Рис. 4. Дерево решений по выбору вида наказания за мелкое хищение (статья 158.1 УК РФ)

Полученные деревья показывают, что типичные пути решения вопроса о выборе наказания имеют принципиальное сходство только в корне дерева («неоднократно» по статье 7.27 КоАП РФ и «рецидив» по статье 158.1 УК РФ), а дальнейшее сходство крайне незначительно. Многие пути решения детерминированы особенностями, около половины которых не связаны с фактическими обстоятельствами дела, а потому несходными для двух массивов судебной практики из-за особенностей регулирования производства по делам об административных правонарушениях и уголовного судопроизводства.

Различие в деревьях решений, которые отражают мультиклассификацию кейсов, можно продемонстрировать также на примере двадцаток семантических единиц, вносящих наибольший вклад в построение дерева решений по каждой статье закона. На рис. 5 и 6 видно, что пересекающихся семантических единиц только семь.

Рис. 5. Значимость особенностей дел по статье 7.27 КоАП РФ

Рис. 6. Значимость особенностей дел по статье 158.1 УК РФ

Таким образом, рассмотрение дел о тождественных правонарушениях в различном процессуальном порядке: в производстве по делу об административном правонарушении или в уголовном судопроизводстве — оказывает существенное влияние на обстоятельства, которые определяют выбор наказания за совершенное деяние. Строго говоря, существенное сходство в логике принятия решения усматривается только в том, что наиболее общим бинарным делением кейсов выступает признак неоднократности (рецидива) правонарушения, который учитывается при выборе вида наказания, но не определяет в качестве важнейшего признака этот выбор на всей совокупности особенностей дел. Это подтверждается и рассмотренными выше корреляционными зависимостями.

4) Индикатор функциональности правовой нормы, основанный на индикаторе рациональности и дополнительных методах корреляционного и догматического анализа и выражающий степень использования правовой нормы в правоприменении, отражает правовую цель устранения «мертвых» норм.

Этот индикатор показал, что виды административных наказаний, предусмотренные статьей 7.27 КоАП РФ (административный штраф, обязательные работы и административный арест), применяются судами, тогда как из семи видов наказания, предусмотренных статьей 158.1 УК РФ, применяются пять (штраф, обязательные работы, исправительные работы, ограничение свободы и лишение свободы), а два наказания не применяются (принудительные работы и арест). Такие результаты, полученные компьютерными методами на выборке судебных актов, хорошо согласуются с данными судебной статистики, приводившейся выше в табл. 1 и 2: за 2017–2020 гг. в отношении уголовно наказуемого мелкого хищения принудительные работы применялись 18 раз (0,1% обвинительных приговоров), а арест вовсе не применялся.

Таким образом, хотя в санкциях статей 7.27 КоАП РФ и 158.1 УК РФ предусмотрены соответственно три и семь видов наказания, в правоприменительной практике наблюдается сокращение этого разрыва в разнообразии законодательно определенных видов наказания.

6. Гуманизация правового регулирования мелкого хищения

В статье 7 УК РФ закреплен принцип гуманизма, в соответствии с которым уголовное законодательство Российской Федерации обеспечивает безопасность человека, а наказание и иные меры уголовно-правового характера, применяемые к лицу, совершившему преступление, не могут иметь своей целью причинение физических страданий или унижение человеческого достоинства.

Вместе с тем такая законодательная трактовка гуманизма в уголовном законе слишком узкая и не вполне точная, что подтверждается позицией самого же законодателя, который отнес в статье 1.6 КоАП РФ к законности, а не к гуманизму норму, согласно которой при применении мер административного принуждения не допускаются решения и действия (бездействие), унижающие человеческое достоинство.

Гуманизм неразрывно связан с идеей экономии уголовной репрессии [67, с. 145] и состоит в приоритетном обеспечении права и свобод человека уголовно-правовыми средствам, в равной защите как лиц, привлеченных к уголовной ответственности, так и потерпевших от преступлений, руководствуясь принципом экономии карательных средств [68, с. 89]. Гуманизм предполагает отношение к человеческой личности как к объекту и уголовно-правового воздействия, и уголовно-правовой охраны (жизни и здоровья человека, его чести и достоинства, неприкосновенности и безопасности), т.е. обращен не только на правонарушителя, но и на пострадавшего от преступления и на общество, которое нуждается в защите от преступных посягательств [69, с. 58].

Большинство направлений гуманизации исследователи увязывают с изменением закона [70, с. 834] [71, с. 33], тогда как нам представляется более значимым изменение правоприменения в сторону гуманизма — даже при неизменном законе. На основе данных, полученных в ходе исследования, можно показать такие направления гуманизации мелкого хищения, как:

- повышение криминальной безопасности общества (эффективность превентивной функции охранительного правового регулирования), что выражается в доле случаев отсутствия повторных правонарушений;

- возмещение ущерба, причиненного потерпевшему, что выражается в доле случаев возмещения ущерба, причиненного потерпевшему.

Эти показатели являются количественными и могут быть исчислены при извлечении соответствующих данных.

Таблица 14. Данные для использования показателей гуманизации правового регулирования по материалам судебной практики применения статей 7.27 КоАП РФ и 158.1 УК РФ

Показатель гуманизации

Данные

доля случаев отсутствия повторных правонарушений

семантические единицы (нестрогая дизъюнкция): «неоднократно», «рецидив», «эпизод»

доля случаев возмещения ущерба, причиненного потерпевшему

семантическая единица: «возмещение»

Результаты вычисления показателей представлены ниже.

Таблица 15. Результаты вычисления количественных показателей гуманизации по материалам судебной практики применения статей 7.27 КоАП РФ и 158.1 УК РФ

Показатель гуманизации

Статья 7.27 КоАП РФ

Статья 158.1 УК РФ

доля случаев отсутствия повторных правонарушений

92,6%

38,3%

доля случаев возмещения ущерба, причиненного потерпевшему

3,8%

54,5%

Анализ полученных результатов по двум названным показателям гуманизации приводит к следующим выводам.

1. Высокая доля отсутствия повторных правонарушений в случае статьи 7.27 КоАП РФ только отчасти связана с наличием преюдициальной статьи 158.1 УК РФ, поскольку уголовный закон коррелирует лишь с частью 2 статьи 7.27 КоАП РФ. Таким образом, все случаи повторного совершения мелкого хищения (части 1 и 2 статьи 7.27 КоАП РФ) после ранее совершенного мелкого хищения, наказанного по части 1 статьи 7.27 КоАП РФ, не образуют административной преюдиции применительно к статье 158.1 УК РФ.

Как следует из табл. 1 и 2, соотношение наказанных лиц по административному и уголовному законам за исследуемый период 2017–2020 гг. находится в соотношении примерно 29:1. Даже уменьшив в соответствующей пропорции этот показатель гуманизации для административного закона за счет повторных правонарушений, наказанных по уголовному закону, получим для административного закона долю отсутствия случаев повторных правонарушений 90,5%.

Из данных табл. 7 очевидно различие административно-деликтологической и криминологической характеристик мелкого хищения. Хотя показатели совершения в состоянии опьянения для административно наказуемого и уголовно наказуемого мелкого хищения примерно одинаковы, предметы хищения диаметрально противоположны в части алкогольной продукции и продуктов питания.

Таблица 16. Мелкое хищение алкогольной продукции и продуктов питания

Статья закона

Доля в предметах хищения

Доля хищений в состоянии опьянения (от всех мелких хищений)

алкогольной продукции

продуктов питания

Статья 7.27 КоАП РФ

63,8%

26,7%

9,9%

Статья 158.1 УК РФ

27,7%

60,0%

13,6%

Если соотнести эти данные с общими показателями повторного совершения мелкого хищения (7,4% по КоАП РФ и 61,7% по УК РФ), следует сделать вывод о том, что неоднократное мелкое хищение в типовом варианте — это кража продуктов питания, а значит, проблема высокого рецидива (повторности) мелких хищений примерно на 2/3 связана с проблемой недостаточной обеспеченности правонарушителей продуктами питания. Это социальная проблема, связанная с потребностями низшего порядка, и ее заведомо невозможно решить средствами уголовной репрессии.

Вывод: административная ответственность за мелкое хищение в высокой степени выполняет превентивную функцию (90,5% в течение года), тогда как для уголовной ответственности этот показатель в 2,4 раза хуже (38,3%). Следовательно, для общества в целом, заинтересованного в криминологической безопасности, административная ответственность за мелкое хищение является более гуманной.

Одновременно такие результаты подкрепляют суждение В. П. Малкова о том, что применение мер административного наказания, а также само по себе производство по делу об административном правонарушении оказывает соответствующее предупредительно-воспитательное воздействие на правонарушителя [72, с. 61].

2. Со вторым показателем гуманизации ситуация противоположная: доля возмещения ущерба, причиненного потерпевшему, в делах об административных правонарушениях и уголовных делах составляет примерно 1:14.

Очевидно, что такой дисбаланс в обеспечении интересов потерпевшего в делах об административных правонарушениях и уголовных делах возникает из-за того, что в уголовном процессе введен институт гражданского иска. Он активно используется в уголовном процессе в делах о мелком хищении, подтверждением чему служит семантика языка судебных актов, а именно: наличие в обвинительных приговорах семантических единиц «гражданский истец», «гражданский ответчик», «представитель гражданского истца», «гражданский иск», в отличие от постановлений о назначении административного наказания, где таких семантических единиц крайне мало или совсем нет (см. табл. 4 и 5).

В соответствии со статьей 4.2 КоАП РФ одним из обстоятельств, смягчающим административную ответственность, является добровольное возмещение лицом, совершившим административное правонарушение, причиненного ущерба или добровольное устранение причиненного вреда. Однако, как выясняется, этого механизма, который опирается на возможность назначения более мягкого административного наказания, недостаточно для того, чтобы правонарушитель добровольно возместил ущерб потерпевшему. И хотя статья 4.7 КоАП РФ предусматривает норму о возмещении имущественного ущерба и морального вреда, причиненных административным правонарушением, эта норма является «мертвой». Причина тому — противоречие в правовом регулировании, заложенное этой нормой, которая предоставляет суду возможность одновременно с назначением административного наказания решить вопрос о возмещении имущественного ущерба (т.е. вынести решение о принуждении правонарушителя к возмещению ущерба), однако только при отсутствии спора о возмещении имущественного ущерба (т.е. когда правонарушитель добровольно соглашается возместить ущерб). В административно-деликтном законодательстве не предусмотрено механизма, позволяющего потерпевшему поставить в рамках дела об административном правонарушении вопрос о принудительном возмещении ущерба вопреки желанию правонарушителя (даже при том, что размер ущерба подлежит обязательному установлению по каждому делу о мелком хищении). Статья 4.7 КоАП РФ в этой ситуации апеллирует к разрешению данного вопроса в порядке гражданского судопроизводства. Однако гражданско-процессуальный механизм неадекватен данной ситуации, учитывая незначительный размер ущерба, причиненного потерпевшему, и необходимость потерпевшему понести дополнительные (и часто более существенные) судебные издержки на исковой порядок взыскания ущерба (государственная пошлина, оплата юридических услуг, затраты времени и т.д.).

Вывод: административная ответственность за мелкое хищение в крайне низкой степени обеспечивает защиту интересов потерпевшего (3,8%), тогда как для уголовной ответственности этот показатель достаточно высок (54,5%) и даже превышает показатель добровольного исполнения должниками исполнительных производств (например, за 2020 г. — 39,7% [73]). Следовательно, для потерпевших, заинтересованных в возмещении причиненного ущерба, уголовная ответственность за мелкое хищение является более гуманной.

3. По сумме двух рассмотренных показателей можно выдвинуть гипотезу о личности правонарушителя, которая, разумеется, требует дополнительной проверки социологическим инструментарием.

Административно наказуемое мелкое хищение чаще всего совершается в отношении алкогольной продукции (63,8%) с низким показателем повторности (9,5%) и низким показателем возмещения ущерба потерпевшему (3,8%). Уголовно наказуемое мелкое хищение чаще всего совершается в отношении продуктов питания (60,0%), характеризуется долей 100% повторности в отношении любых мелких хищений (в силу административной преюдиции), 61,7% повторности — в отношении ранее совершенных уголовно наказуемых хищений, 22,0% многоэпизодности в отношении уголовно наказуемых мелких хищений, а также сопровождается достаточно высоким показателем возмещения ущерба потерпевшему (54,5%).

Поэтому можно предположить, что:

- для административно наказуемого мелкого хищения (статья 7.27 КоАП РФ) характерен правонарушитель, в целом опасающийся ответственности, склонный к различным видам малоопасного негативного девиантного поведения (мелким кражам, злоупотреблению алкоголем) и устойчиво игнорирующий чужие интересы;

- для уголовно наказуемого хищения характерен правонарушитель, систематически испытывающий финансовые затруднения (как показывает семантика приговоров, нередко из-за наркотической зависимости), но в целом осознающий свою вину за содеянное и при необходимости изыскивающий финансовые средства для возмещения причиненного ущерба.

Это предположение (если оно найдет социологическое подтверждение) имеет значение для оценки гуманности уголовного наказания за мелкое хищение с учетом личности правонарушителя, а также постановки вопроса о проведении в отношении таких преступников и их семей профилактических мероприятий социальной направленности. Кроме того, такая ситуация опровергает позицию, высказанную А. В. Иванчиным [74, с. 51] относительно самой конструкции административной преюдиции, когда основанием для криминализации является общественная опасность, слагаемая из общественной опасности деяния (которая в данном случае та же, что и в административно наказуемом мелком хищении — наши примеч.) и общественной опасности личности его субъекта (который в данном случае идет на преступление ради пропитания, а не по причине устойчивой криминальной установки — наши примеч.).

7. Заключение

Проведенное исследование позволило получить следующие научные результаты.

1. ВЫВОДЫ ПО ПЕРВОЙ ГИПОТЕЗЕ.

Выявленное словарное совпадение (94,6%) текстовых массивов судебных актов по обеим статьям закона, связанным административной преюдицией (7.27 КоАП РФ и 158.1 УК РФ) доказывает крайне высокую степень сходства языка текстов судебных актов по уголовным делам, с одной стороны, и, с другой стороны, по делам об административных правонарушениях, т.е. доказывает отсутствие существенных различий в содержании правоприменительной деятельности, осуществляемой на основе КоАП РФ, с одной стороны, и УК и УПК РФ — с другой. Непересекающиеся термины представляют, главным образом, семантический «шум», мало пригодный для обработки и извлечения знаний.

Около 3/5 полученных семантических единиц описывают фактические обстоятельства дела — как в постановлениях о назначении административных наказаний, так и в обвинительных приговорах по уголовным делам.

Различие в текстовых объемах между обвинительными приговорами по статье 158.1 УК РФ и постановлениями о назначении административных наказаний по статье 7.27 КоАП РФ довольно значительно и составляет 3,8 раза в пользу первых. Однако не обнаружены значимые семантические причины названного объемно-текстового различия. Его причины заключаются в структурных и содержательных особенностях приговора, обусловленных предписаниями закона и сложившимися правоприменительными подходами к их изложению (многоэпизодность уголовных дел, отражение судом процессуальной формы предоставления гарантий подсудимому, множественность участников процесса, дополнительные сведения о личности подсудимого, развернутый способ изложения доказательств, установление административной преюдиции). Эти особенности не характерны для постановлений по делам об административных правонарушениях, которые намного более лаконичны в структурно-содержательном отношении.

В текстах обвинительных приговоров наблюдается большее семантическое разнообразие, чем в постановлениях о назначении административного наказания. Оно составляет 5,6 раза по количеству употребляемых семантических единиц в расчете на один судебный акт и 1,4 раза по доле семантических единиц в тексте. Однако, во-первых, в обвинительных приговорах присутствуют смысловые повторы, относящиеся к структурно-содержательным особенностям изложения приговора, но не несущие практически никакой дополнительной информационной нагрузки, а во-вторых — это различие связано с использованием в тексте приговоров терминов, отражающих правовые средства (главным образом, участников производства и процессуальные факты), не предусмотренные законом для производства по делу об административном правонарушении. Таким образом, названное различие наблюдается преимущественно по юридическим причинам, а не из-за фактических (содержательных) особенностей дел. Судебные акты усложняются из-за закона и для соблюдения закона, а не ввиду увеличения выявляемых и обсуждаемых фактов, касающихся существа дела.

Проверка семантических единиц, имеющих достаточный показатель частотности (частота употребления в массиве — более 1% от количества судебных актов), на полном текстовом массиве (независимо от частотности термина) показала, что текстовому массиву исключительно по одной из статей закона принадлежат только 8% семантических единиц объединенного терминологического словаря судебных актов (по обеим статьям закона). Все случаи несовпадения происходят не из-за фактических (содержательных) особенностей дела (правонарушения), а из-за причин сугубо юридического свойства правотворческого уровня, которые вызывают появление соответствующей семантики уже на уровне правоприменения — в судебных актах, вынесенных на основании одного закона. Но по этим же причинам эта семантика исключается в судебных актах, постановляемых на основании другого закона.

Семантически значимые паттерны рассуждений правоприменителя крайне бедны, т.е. логика рассуждений правоприменителя довольно проста, и в обоих видах судопроизводства (по КоАП РФ и по УПК) она сводится к ограниченному набору шаблонов.

В текстах судебных актов смысловую нагрузку несет только один термин (слово, биграмма, триграмма) из 12–17, тогда как остальные слова обеспечивают, главным образом, связанность текста, его общую и юридическую грамотность.

Уголовное судопроизводство не обеспечивает новых средств доказывания по данной категории дел, в сравнении с производством по делу об административном правонарушении.

На основании вышеизложенного сделан вывод об опровержении первой гипотезы, выдвинутой в настоящем исследовании. По эмпирическим данным судебных актов по делам о мелком хищении следует заключить, что обвинительные приговоры, вынесенные в порядке уголовного судопроизводства, не имеют значимых отличий в семантике и логической сложности принятия решений, по сравнению с постановлениями по делам об административных правонарушениях, вынесенными по процедуре производства по делам об административных правонарушениях.

Таким образом, по делам о мелком хищении правовое регулирование на основании УК РФ и УПК РФ не предоставляет никаких преимуществ в выявляемых фактических обстоятельствах дел и сложности логики рассуждений, по сравнению с правовым регулированием (материальным и процессуальным) на основании КоАП РФ.

2. ВЫВОДЫ ПО ВТОРОЙ ГИПОТЕЗЕ.

Индикаторный подход к качественной оценке оптимизации законодательства и правоприменительной практики позволил сделать следующие выводы.

Индикатор предметной однородности показал, что административно-деликтное регулирование в отношении мелкого хищения формирует несколько более дифференцированное правоприменение, чем его обеспечивает уголовно-правовое и уголовно-процессуальное регулирование.

Индикатор индивидуализации наказания позволил выявить сходство в двух контрарных обстоятельствах, которые доминируют при индивидуализации наказания за мелкое хищение как в делах об административных правонарушениях, так и в уголовных делах (совершение правонарушения впервые vs. неоднократное совершение правонарушения / рецидив). Однако результаты статистически значимой (p-value<0,05) дифференциации наказаний в зависимости от комплекса смягчающих и отягчающих обстоятельств обеспечили расчет условного показателя правоприменительной дифференциации наказаний 70,8% для административно наказуемого мелкого хищения и 39,2% для уголовно наказуемого. Эти результаты подтверждают выводы, сделанные на основе индикатора предметной однородности: применение административного наказания на основании статьи 7.27 КоАП РФ более индивидуализировано, чем наказания по статье 158.1 УК РФ.

Индикатор рациональности показал, что рассмотрение дел о тождественных правонарушениях в различном процессуальном порядке: в производстве по делу об административном правонарушении или в уголовном судопроизводстве — оказывает существенное влияние на обстоятельства, которые определяют выбор наказания за совершенное деяние. Существенное сходство в логике принятия решения усматривается только в том, что наиболее общим бинарным делением кейсов выступает признак неоднократности (рецидива) правонарушения, который учитывается при выборе вида наказания, но не определяет в качестве важнейшего признака этот выбор на всей совокупности особенностей дел (т.е. не только по смягчающим и отягчающим обстоятельствам).

Индикатор функциональности правовой нормы показал, что виды административных наказаний, предусмотренные статьей 7.27 КоАП РФ (административный штраф, обязательные работы и административный арест), применяются судами, тогда как из семи видов наказания, предусмотренных статьей 158.1 УК РФ, применяются пять (штраф, обязательные работы, исправительные работы, ограничение свободы и лишение свободы), а два наказания не применяются (принудительные работы и арест). Эти результаты, полученные компьютерными методами на выборке судебных актов, хорошо согласуются с данными судебной статистики.

Вышеизложенное позволяет сделать общий вывод о том, что индикаторы оптимизации законодательства и правоприменительной практики, основанные на методах машинного обучения, показывают различную логику в принятии решений о выборе наказания за мелкое хищение, наказуемое в административном и в уголовном порядке. В целом же логика принятия решения о выборе административного наказания более дифференцирована конкретным набором фактических обстоятельств и иных особенностей дела, чем решения о выборе уголовного наказания за мелкое хищение.

Таким образом, вторая гипотеза не нашла своего подтверждения. Несмотря на тождественность правонарушений, связанных административной преюдицией, их регулирование различными материальными и процессуальными законами приводит к различным правоприменительным результатам (различиям в логике принятия решений).

В целом же следует отметить, что для охранительного регулирования мелкого хищения более оптимальным себя показало административно-деликтное регулирование.

3. ВЫВОДЫ, КАСАЮЩИЕСЯ ИЗВЛЕЧЕНИЯ ЗНАНИЙ.

В ходе исследования была доказана возможность извлечения разнообразных знаний из массивов судебных актов.

В частности, были извлечены различные юридические знания об административном правонарушении и преступлении мелкого хищения:

- об административно-деликтологических и о криминологических характеристиках мелкого хищения (различных способах хищения, способах сокрытия похищенного, предметах хищения и местах хищения, а также доле хищений, совершенных в состоянии опьянения, и характеристике нарушителя по месту жительства, работы или учебы);

- о назначенных за правонарушения (преступления) наказаниях (помимо данных, формируемых ведомственной судебной статистикой);

- об особенностях судопроизводства по делам об административных правонарушениях и по уголовным делам (о доле правонарушителей, не признавших свою вину в содеянном, доле дел с участником защитника, доле дел с участием переводчика, доле дел, в которых участие переводчика было признано судом ненужным, доля дел, в которых свидетели допрашивались непосредственно в судебном заседании, доле дел, в которых проводились экспертизы).

4. ВЫВОДЫ О ГУМАНИЗАЦИИ МЕЛКОГО ХИЩЕНИЯ.

Обоснован ряд выводов относительно гуманизации охранительного правового регулирования мелкого хищения по следующим двум направлениям:

- повышение криминальной безопасности общества (эффективность превентивной функции охранительного правового регулирования), что выражается в доле случаев отсутствия повторных правонарушений;

- возмещение ущерба, причиненного потерпевшему, что выражается в доле случаев возмещения ущерба, причиненного потерпевшему.

На примере мелкого хищения названным показателям гуманизации были сопоставлены соответствующие данные, извлекаемые из текстовых массивов судебных актов, а также методы их семантической обработки и оценки полученных результатов.

В итоге были получены следующие результаты:

- административная ответственность за мелкое хищение в высокой степени выполняет превентивную функцию (90,5% в течение года), тогда как для уголовной ответственности этот показатель в 2,4 раза хуже (38,3%), т.е. для общества в целом, заинтересованного в криминологической безопасности, административная ответственность за мелкое хищение является более гуманной;

- административная ответственность за мелкое хищение в крайне низкой степени обеспечивает защиту интересов потерпевшего (3,8%), тогда как для уголовной ответственности этот показатель достаточно высок (54,5%) и даже заметно превышает показатель добровольного исполнения должниками исполнительных производств, т.е. для потерпевших, заинтересованных в возмещении причиненного ущерба, уголовная ответственность за мелкое хищение является более гуманной.

Кроме того, сделаны следующие сопутствующие заключения:

- проблема высокого рецидива (повторности) мелких хищений примерно на 2/3 связана с проблемой недостаточной обеспеченности правонарушителей продуктами питания, и эту социальную проблему невозможно решить средствами уголовной репрессии;

- дисбаланс в обеспечении интересов потерпевшего в делах об административных правонарушениях и в уголовных делах возникает из-за того, что в уголовном процессе введен институт гражданского иска, обеспечивающий большую эффективность в защите потерпевших, чем правовое регулирование возмещения имущественного ущерба и морального вреда, причиненных административным правонарушением (статья 4.7 КоАП РФ);

- выдвинута гипотеза, согласно которой для административно наказуемого мелкого хищения (статья 7.27 КоАП РФ) характерен правонарушитель, в целом опасающийся ответственности, склонный к различным видам малоопасного негативного девиантного поведения (мелким кражам, злоупотреблению алкоголем) и устойчиво игнорирующий чужие интересы, тогда как для уголовно наказуемого хищения характерен правонарушитель, систематически испытывающий финансовые затруднения (как показывает семантика приговоров, нередко из-за наркотической зависимости), но в целом осознающий свою вину за содеянное и при необходимости изыскивающий финансовые средства для возмещения причиненного ущерба; эта гипотеза требует дополнительной проверки социологическим инструментарием и позволяет поставить вопрос о проведении в отношении названных преступников и их семей профилактических мероприятий социальной направленности.

5. МЕТОДОЛОГИЧЕСКИЙ ВЫВОД.

Совокупность полученных в ходе исследования результатов, их новизна, интерпретируемость и достоверность, достигнутые и проверенные экспертным путем, на данных судебной статистики и методами математической статистики, методами машинного обучения, методами интеллектуального анализа текстов и методами интеллектуального анализа данных, позволяет считать, что поставленная исследовательская цель достигнута.

Представленная в настоящей работе междисциплинарная (компьютерно-юридическая методология) применима к большим данным судебной практики по делам об административных правонарушениях и уголовным делам, в связи с чем перспективной представляется дальнейшая разработка этой методологии в областях, связанных с гражданским (ГПК РФ) и административным (КАС РФ) судопроизводством.

Библиография
1.
Эргашева З. Э. Административная преюдиция в уголовном праве: дис. канд. юрид. наук. М., 2018. 215 с.
2.
Богданов А. В. Административная преюдиция в уголовном праве России: дис. канд. юрид. наук. М., 2019. 251 с.
3.
Леонтьева А. Т. Административная преюдиция в уголовном законодательстве России и зарубежных стран // Символ науки. 2008. № 3. С. 60–63.
4.
Курченко В. Н. Парадигма административной преюдиции в уголовном праве // Уголовноа право и криминология. 2018. № 2. С. 10–21.
5.
Синельщиков Ю. П. Административная преюдиция в современном уголовном судопроизводстве: теория и практика // Государство и право. 2020. № 1. С. 86–92. DOI 10.31857/S013207690008354-1.
6.
Послание Президента Российской Федерации Федеральному Собранию Российской Федерации от 03.12.2015 // Российская газета. 2015. 4 декабря. № 275.
7.
Постановление Конституционного Суда Российской Федерации от 10.02.2017 № 2-П по делу о проверке конституционности положений статьи 2121 Уголовного кодекса Российской Федерации в связи с жалобой гражданина И. И. Дадина // Вестник Конституционного Суда Российской Федерации. 2017. № 2.
8.
Гравина А. А. Гуманизация уголовного законодательства и ее роль в предупреждении преступлений в сфере предпринимательской деятельности // Журнал российского права. 2019. № 8. С. 85–95. DOI: 10.12737/jrl.2019.8.8.
9.
Бочкарев И. Е. К вопросу о криминализации административных правонарушений путем использования административной преюдиции // Вестник Нижегородского университета им. Н. И. Лобачевского. 2019. № 5. С. 76–87.
10.
Незнамова З. А., Незнамов А. В. Административная преюдиция как критерий криминализации противоправного деяния // Уголовное право и криминология. 2018. № 2. С. 4–9.
11.
Кириенко М. С. Системный анализ Особенной части Уголовного кодекса Российской Федерации: монография. М.: Юрлитинформ, 2018. 240 с.
12.
Скобликов П. А. Частичная декриминализация побоев и других насильственных действий как новый этап современной уголовной политики // Государство и право. 2019. № 10. С. 83–93.
13.
Ударить нельзя судить: мнения за и против декриминализации семейных побоев // ТАСС [Сайт]. URL: https://tass.ru/obschestvo/3971405
14.
Митинг противников закона о декриминализации семейных побоев // РБК [Сайт]. URL: https://www.rbc.ru/photoreport/12/02/2017/58a0984c9a79473fe3e27d4d
15.
Отменить закон о декриминализации побоев в семье! [Петиция] // Демократор [Сайт]. URL: https://democrator.ru/petition/otmenit-zakon-o-dekriminalizacii-pervogo-sluchaya/
16.
Законопроект о декриминализации домашнего насилия прошел второе чтение // INTERFAX.RU [Сайт]. URL: https://www.interfax.ru/russia/546886
17.
Административная преюдиция в уголовном праве: Казус Ильдара Дадина // Закон. 2017. № 2. С. 21–29.
18.
Одоев О. С. Административная преюдиция в уголовном праве: историко-правовой и институционально-доктринальный анализ // Уголовное право и современность: сб. науч. ст. Вып. 5 / отв. ред. Г. А. Есаков. М.: Проспект, 2014. С. 289–300.
19.
Юнусов А. А., Серкова Т. В. Административная преюдиция в российском уголовном праве // Актуальные проблемы экономики и права. 2015. № 1. С. 278–282.
20.
Просочкин А. М. Административная преюдиция как новый этап борьбы с хищениями чужого имущества // Юристъ-Правоведъ. 2016. № 3. С. 63–68.
21.
Смирнов А. В., Калиновский К. Б. Уголовный процесс. СПб.: Питер, 2004. 697 с.
22.
Чернов Ю. И. Взаимосвязь принципов административно-деликтного и уголовного процессов // Актуальные вопросы публичного права. 2013. № 8. С. 119–132.
23.
Трофимов Е. В., Мецкер О. Г. Методология качественной оценки оптимизации законодательства и правоприменительной практики на основе анализа больших данных дел об административных правонарушениях // Право и политика. 2020. № 10. С. 10–26. DOI: 10.7256/2454-0706.2020.10.34250.
24.
Osborne J. W. Best Practices in Data Cleaning: A Complete Guide to Everything You Need to Do Before and After Collecting Your Data. Thousand Oaks, CA: Sage, 2012. 275 pp.
25.
Metsker O., Trofimov E., Sikorsky S., Kovalchuk S. Text and Data Mining Techniques in Judgment Open Data Analysis for Administrative Practice Control // Communications in Computer and Information Science. 2019. Vol. 947. Pp. 169–180. DOI: 10.1007/978-3-030-13283-5_13.
26.
Metsker O., Trofimov E., Petrov M., Butakov N. Russian Court Decisions Data Analysis Using Distributed Computing and Machine Learning to Improve Lawmaking and Law Enforcement // Procedia Computer Science. 2019. Vol. 156. Pp. 264–273. DOI: 10.1016/j.procs.2019.08.202.
27.
Metsker O., Trofimov E., Grechishcheva S. Natural Language Processing of Russian Court Decisions for Digital Indicators Mapping for Oversight Process Control Efficiency: Disobeying a Police Officer Case // Communications in Computer and Information Science. 2020. Vol. 1135. Pp. 295–307. DOI: 10.1007/978-3-030-39296-3_22.
28.
Metsker O., Trofimov E., Kopanitsa G. Application of Machine Learning Metrics for Dynamic E-justice Processes // Conference of Open Innovations Association FRUCT. 2021-January. Vol. 1. Pp. 293–300. DOI: 10.23919/FRUCT50888.2021.9347598.
29.
Отчет о работе судов общей юрисдикции по рассмотрению дел об административных правонарушениях за 12 месяцев 2017 г. (форма 1-АП) // Судебный департамент при Верховном Суде Российской Федерации [Сайт]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2017/F2-svod-2017.xls
30.
Отчет о работе судов общей юрисдикции по рассмотрению дел об административных правонарушениях за 12 месяцев 2018 г. (форма 1-АП) // Судебный департамент при Верховном Суде Российской Федерации [Сайт]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2019/F2-svod_vse_sudy-2018.xls
31.
Отчет о работе судов общей юрисдикции по рассмотрению дел об административных правонарушениях за 12 месяцев 2019 г. (форма 1-АП) // Судебный департамент при Верховном Суде Российской Федерации [Сайт]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2020/F2-svod-vse_sudy-2019.xls
32.
Отчет о работе судов общей юрисдикции по рассмотрению дел об административных правонарушениях за 12 месяцев 2020 г. (форма 1-АП) // Судебный департамент при Верховном Суде Российской Федерации [Сайт]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2021/F2-svod-vse_sudy-2020.xls
33.
Отчет о числе привлеченных к уголовной ответственности и видах уголовного наказания за 12 месяцев 2017 г. (форма 10.1) // Судебный департамент при Верховном Суде Российской Федерации [Сайт]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2018/k4-svod-2017.xls
34.
Отчет о числе привлеченных к уголовной ответственности и видах уголовного наказания за 12 месяцев 2018 г. (форма 10.1) // Судебный департамент при Верховном Суде Российской Федерации [Сайт]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2019/k4-svod_vse_sudy-2018.xls
35.
Отчет о числе привлеченных к уголовной ответственности и видах уголовного наказания за 12 месяцев 2019 г. (форма 10.1) // Судебный департамент при Верховном Суде Российской Федерации [Сайт]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2020/k4-svod_vse_sudy-2019.xls
36.
Отчет о числе привлеченных к уголовной ответственности и видах уголовного наказания за 12 месяцев 2020 г. (форма 10.1) // Судебный департамент при Верховном Суде Российской Федерации [Сайт]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2021/k4-svod_vse_sudy-2020.xls
37.
Скобликов П.А. Ошибки в толковании уголовно-правовой нормы об ответственности за причинение имущественного ущерба (ст. 165 УК РФ) // Закон. 2017. № 4. С. 103–113.
38.
Отчет о числе привлеченных к уголовной ответственности и видах уголовного наказания за 12 месяцев 2015 г. (форма 10.1) // Судебный департамент при Верховном Суде Российской Федерации [Сайт]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2015/k4-svod-2015.xls
39.
Отчет о числе привлеченных к уголовной ответственности и видах уголовного наказания за 12 месяцев 2016 г. (форма 10.1) // Судебный департамент при Верховном Суде Российской Федерации [Сайт]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2016/f10_1-svod-2016.xls
40.
Трофимов Е. В., Мецкер О. Г. Использование компьютерных методов и систем в изучении права, интеллектуальном анализе и моделировании правовой деятельности: систематический обзор // Труды Института системного программирования РАН. 2020. Т. 32, вып. 3. С. 147–170. DOI: 10.15514/ISPRAS-2020-32(3)-13.
41.
Zeng Y., Wang R., Zeleznikow J., Kemp E. A knowledge representation model for the intelligent retrieval of legal cases // International Journal of Law and Information Technology. 2007. Vol. 15, № 3. Pp. 299–319.
42.
García R., Delgado J. An ontological approach for the management of Rights Data Dictionaries // Legal Knowledge and Information Systems (JURIX’2005). Amsterdam: IOS Press, 2005. Pp. 137–146.
43.
Griffo C., Almeida J. P. A., Guizzardi G. A pattern for the representation of legal relations in a legal core ontology // Legal Knowledge and Information Systems (JURIX’2016). Amsterdam: IOS Press, 2016. Pp. 191–194.
44.
Saravanan M., Ravindran B., Raman S. Using legal ontology for query enhancement in generating a document summary // Legal Knowledge and Information Systems (JURIX’2007). Amsterdam: IOS Press, 2007. Pp. 171–172.
45.
Rissland E. L., Daniels J. J., Rubinstein Z. B., Skalak D. B. Case-based diagnostic analysis in a blackboard architecture // Proceedings of the 11th National Conference on Artificial Intelligence (AAAI’93). Menlo Park: AAAI Press/MIT Press, 1993. Pp. 66–72.
46.
Stevens C., Barot V., Carter J. The next generation of legal expert systems — New dawn or false dawn? // Research and Development in Intelligent Systems XXVII: Incorporating Applications and Innovations in Intelligent Systems XVIII: Proceedings of AI’2010. London: Springer, 2011. Pp. 439–452.
47.
Gifford M. LexrideLaw: An argument based legal search engine // Proceedings of the 16th International Conference on Artificial Intelligence and Law (ICAIL’17). New York: ACM, 2017. Pp. 271–272.
48.
Libal T., Steen A. NAI — the normative reasoner // Proceedings of the 17th International Conference on Artificial Intelligence and Law (ICAIL’19). New York: ACM, 2019. Pp. 262–263.
49.
Dunn M., Sagun L., Şirin H., Chen D. Early predictability of asylum court decisions // Proceedings of the 16th International Conference on Artificial Intelligence and Law (ICAIL’17). New York: ACM, 2017. Pp. 233–236.
50.
Grabmair M. Predicting trade secret case outcomes using argument schemes and learned quantitative value effect tradeoffs // Proceedings of the 16th International Conference on Artificial Intelligence and Law (ICAIL’17). New York: ACM, 2017. Pp. 89–98.
51.
Zhong L., Zhong Z., Zhao Z., Wang S., Ashley K.D., Grabmair M. Automatic summarization of legal decisions using iterative masking of predictive sentences // Proceedings of the 17th International Conference on Artificial Intelligence and Law (ICAIL’19). New York: ACM, 2019. Pp. 163–172.
52.
Mozina M., Zabkar J., Bench-Capon T., Bratko I. Argument based machine learning applied to law // Artificial Intelligence and Law. 2005. Vol. 13, № 1. Pp. 53–73.
53.
Ashley K. D., Walker V. R. Toward constructing evidence-based legal arguments using legal decision documents and machine learning // Proceedings of the 14th International Conference on Artificial Intelligence and Law (ICAIL’13). New York: ACM, 2013. Pp. 176–180.
54.
Torrisi A., Bevan R., Atkinson K., Bollegala D., Coenen F. Automated bundle pagination using machine learning // Proceedings of the 17th International Conference on Artificial Intelligence and Law (ICAIL’19). New York: ACM, 2019. Pp. 244–248.
55.
McGinnis J. O., Stein B. Originalism, hypothesis testing and big data // Proceedings of the 15th International Conference on Artificial Intelligence and Law (ICAIL’15). New York: ACM, 2015. Pp. 201–205.
56.
Maurushat A., Moses L.B., Vaile D. Using “big” metadata for criminal intelligence: Understanding limitations and appropriate safeguards // Proceedings of the 15th International Conference on Artificial Intelligence and Law (ICAIL’15). New York: ACM, 2015. Pp. 196–200.
57.
Васильев В. В., Грачева А. В., Родионов А. И., Блеканов И. С. Графовые методы выявления семантически значимых текстов судебных решений // Процессы управления и устойчивость. 2019. Т. 6, № 1. С. 234–239.
58.
Kurcheeva G., Rakhvalova M., Rakhvalova D., Bakaev M. Mining and indexing of legal natural language texts with domain and task ontology // Communications in Computer and Information Science. 2019. Vol. 947. Pp. 123–137.
59.
Соколова Е. В., Митрофанова О. А. Автоматическое извлечение ключевых слов и словосочетаний из русскоязычных текстов с помощью алгоритма KEA // Компьютерная лингвистика и вычислительные онтологии. 2017. № 1. С. 157–165. DOI: 10.17586/2541-9781-2017-1-157-165.
60.
Грохольская З. А. Ключевые слова — содержательный образ документа: рекомендации по методике отбора и составления. Барнаул: Алт. КУНБ им. В. Я. Шишкова, 2010. 14 с.
61.
Trofimov E., Metsker O. Computer Techniques and Indicators in the Policy of Optimization of Legislation and Law Enforcement // Advances in Social Science, Education and Humanities Research. 2020. Vol. 489. Pp. 60–63. DOI: 10.2991/assehr.k.201212.012.
62.
Metsker O., Trofimov E., Kopanitsa G. Application of Machine Learning for E-justice // Journal of Physics: Conference Series. 2021. Vol. 1828. Paper 012006. 10 pp. DOI: 10.1088/1742-6596/1828/1/012006.
63.
Трофимов Е. В., Мецкер О. Г. Индикаторы оптимизации законодательства и правоприменения и методы их идентификации и использования на основе больших данных (опыт вычислительных экспериментов на судебных актах по делам об административных правонарушениях, предусмотренных главой 18 Кодекса Российской Федерации об административных правонарушениях) // Юридические исследования. 2020. № 9. С. 33–46. DOI: 10.25136/2409-7136.2020.9.34149.
64.
Трофимов Е. В., Мецкер О. Г. Петров М. В. Компьютерно-юридическая методология качественной оценки оптимизации законодательства и судебной практики на основе анализа больших данных: методы и метрики на примере административно-деликтной сферы // Актуальные вопросы развития государственности и публичного права: материалы VI междунар. науч.-практ. конф. (Санкт-Петербург, 25 сент. 2020 г.): в 2-х т. / редкол.: Д. В. Рыбин (пред.) [и др.]. СПб.: С.-Петерб. ин-т (фил.) ВГУЮ (РПА Минюста России), 2020. Т. 1. С. 175–178. DOI: 10.47645/978-5-6044512-3-6_2020_1_175.
65.
Методология качественной оценки оптимизации законодательства и судебной практики на основе анализа больших данных: отчет о НИР (промежуточ. за первый этап) : науч. проект № 20-011-00837 А, получивший поддержку РФФИ / С.-Петерб. ин-т (фил.) ВГУЮ (РПА Минюста России); рук. Трофимов Е. В. СПб., 2020. 46 с. № гос. регистрации 221041800034-9.
66.
Мецкер О. Г., Трофимов Е. В. Совершенствование административно-деликтного регулирования на основе электронных данных судебной практики // Право. Общество. Государство: сб. науч. тр. студентов и аспирантов. Т. 4 / редкол.: Д. В. Рыбин (пред.) [и др.]. СПб.: С.-Петерб. ин-т (фил.) ВГУЮ (РПА Минюста России), 2018. С. 140–151. DOI: 10.47645/978-5-6040755-4-8_2018_4_140.
67.
Липинский Д. А. О псевдогуманизации карательного воздействия уголовной ответственности // Право и политика. 2005. № 7. С. 143–148.
68.
Гравина А. А. Гуманизация уголовного законодательства и ее роль в предупреждении преступлений в сфере предпринимательской деятельности // Журнал российского права. 2019. № 8. С. 85–95. DOI: 10.12737/jrl.2019.8.8.
69.
Густова Э. В. О проблемах гуманизации уголовного законодательства // Вестник Омской юридической академии. 2019. Т. 16, № 1. С. 55–50. DOI: 10.19073/2306-1340-2019-16-1-55-59.
70.
Екимов А. А. Гуманизация уголовного законодательства // Молодой ученый. 2015. № 9, ч. 8. С. 834–836.
71.
Есаков Г. А., Долотов Р. О., Филатова М. А., Редчиц М. А., Степанов П. П., Цай К. А. Уголовная политика: дорожная карта (2017–2025 гг.) / Центр стратегических разработок. М., 2017. 73 с. URL: https://www.csr.ru/uploads/2017/04/Report-CP.pdf
72.
Малков В. П. Административная преюдиция: за и против // Вестник Академии Генеральной прокуратуры Российской Федерации. 2011. № 3. С. 58–64.
73.
Основные показатели работы судебных приставов-исполнителей ФССП России за январь-декабрь 2020 г. (форма № 1-1) // Федеральная служба судебных приставов [Сайт]. URL: https://fssp.gov.ru/files/fssp/db/files/02021/vso_2020_202121107.zip
74.
Иванчин А. В. О пользе разумного использования административной преюдиции в уголовном праве ( в связи с постановлением Конституционного Суда РФ от 10 февраля 2017 г. № 2-П) // Уголовное право. 2017. № 4. С. 50–53
References (transliterated)
1.
Ergasheva Z. E. Administrativnaya preyuditsiya v ugolovnom prave: dis. kand. yurid. nauk. M., 2018. 215 s.
2.
Bogdanov A. V. Administrativnaya preyuditsiya v ugolovnom prave Rossii: dis. kand. yurid. nauk. M., 2019. 251 s.
3.
Leont'eva A. T. Administrativnaya preyuditsiya v ugolovnom zakonodatel'stve Rossii i zarubezhnykh stran // Simvol nauki. 2008. № 3. S. 60–63.
4.
Kurchenko V. N. Paradigma administrativnoi preyuditsii v ugolovnom prave // Ugolovnoa pravo i kriminologiya. 2018. № 2. S. 10–21.
5.
Sinel'shchikov Yu. P. Administrativnaya preyuditsiya v sovremennom ugolovnom sudoproizvodstve: teoriya i praktika // Gosudarstvo i pravo. 2020. № 1. S. 86–92. DOI 10.31857/S013207690008354-1.
6.
Poslanie Prezidenta Rossiiskoi Federatsii Federal'nomu Sobraniyu Rossiiskoi Federatsii ot 03.12.2015 // Rossiiskaya gazeta. 2015. 4 dekabrya. № 275.
7.
Postanovlenie Konstitutsionnogo Suda Rossiiskoi Federatsii ot 10.02.2017 № 2-P po delu o proverke konstitutsionnosti polozhenii stat'i 2121 Ugolovnogo kodeksa Rossiiskoi Federatsii v svyazi s zhaloboi grazhdanina I. I. Dadina // Vestnik Konstitutsionnogo Suda Rossiiskoi Federatsii. 2017. № 2.
8.
Gravina A. A. Gumanizatsiya ugolovnogo zakonodatel'stva i ee rol' v preduprezhdenii prestuplenii v sfere predprinimatel'skoi deyatel'nosti // Zhurnal rossiiskogo prava. 2019. № 8. S. 85–95. DOI: 10.12737/jrl.2019.8.8.
9.
Bochkarev I. E. K voprosu o kriminalizatsii administrativnykh pravonarushenii putem ispol'zovaniya administrativnoi preyuditsii // Vestnik Nizhegorodskogo universiteta im. N. I. Lobachevskogo. 2019. № 5. S. 76–87.
10.
Neznamova Z. A., Neznamov A. V. Administrativnaya preyuditsiya kak kriterii kriminalizatsii protivopravnogo deyaniya // Ugolovnoe pravo i kriminologiya. 2018. № 2. S. 4–9.
11.
Kirienko M. S. Sistemnyi analiz Osobennoi chasti Ugolovnogo kodeksa Rossiiskoi Federatsii: monografiya. M.: Yurlitinform, 2018. 240 s.
12.
Skoblikov P. A. Chastichnaya dekriminalizatsiya poboev i drugikh nasil'stvennykh deistvii kak novyi etap sovremennoi ugolovnoi politiki // Gosudarstvo i pravo. 2019. № 10. S. 83–93.
13.
Udarit' nel'zya sudit': mneniya za i protiv dekriminalizatsii semeinykh poboev // TASS [Sait]. URL: https://tass.ru/obschestvo/3971405
14.
Miting protivnikov zakona o dekriminalizatsii semeinykh poboev // RBK [Sait]. URL: https://www.rbc.ru/photoreport/12/02/2017/58a0984c9a79473fe3e27d4d
15.
Otmenit' zakon o dekriminalizatsii poboev v sem'e! [Petitsiya] // Demokrator [Sait]. URL: https://democrator.ru/petition/otmenit-zakon-o-dekriminalizacii-pervogo-sluchaya/
16.
Zakonoproekt o dekriminalizatsii domashnego nasiliya proshel vtoroe chtenie // INTERFAX.RU [Sait]. URL: https://www.interfax.ru/russia/546886
17.
Administrativnaya preyuditsiya v ugolovnom prave: Kazus Il'dara Dadina // Zakon. 2017. № 2. S. 21–29.
18.
Odoev O. S. Administrativnaya preyuditsiya v ugolovnom prave: istoriko-pravovoi i institutsional'no-doktrinal'nyi analiz // Ugolovnoe pravo i sovremennost': sb. nauch. st. Vyp. 5 / otv. red. G. A. Esakov. M.: Prospekt, 2014. S. 289–300.
19.
Yunusov A. A., Serkova T. V. Administrativnaya preyuditsiya v rossiiskom ugolovnom prave // Aktual'nye problemy ekonomiki i prava. 2015. № 1. S. 278–282.
20.
Prosochkin A. M. Administrativnaya preyuditsiya kak novyi etap bor'by s khishcheniyami chuzhogo imushchestva // Yurist''-Pravoved''. 2016. № 3. S. 63–68.
21.
Smirnov A. V., Kalinovskii K. B. Ugolovnyi protsess. SPb.: Piter, 2004. 697 s.
22.
Chernov Yu. I. Vzaimosvyaz' printsipov administrativno-deliktnogo i ugolovnogo protsessov // Aktual'nye voprosy publichnogo prava. 2013. № 8. S. 119–132.
23.
Trofimov E. V., Metsker O. G. Metodologiya kachestvennoi otsenki optimizatsii zakonodatel'stva i pravoprimenitel'noi praktiki na osnove analiza bol'shikh dannykh del ob administrativnykh pravonarusheniyakh // Pravo i politika. 2020. № 10. S. 10–26. DOI: 10.7256/2454-0706.2020.10.34250.
24.
Osborne J. W. Best Practices in Data Cleaning: A Complete Guide to Everything You Need to Do Before and After Collecting Your Data. Thousand Oaks, CA: Sage, 2012. 275 pp.
25.
Metsker O., Trofimov E., Sikorsky S., Kovalchuk S. Text and Data Mining Techniques in Judgment Open Data Analysis for Administrative Practice Control // Communications in Computer and Information Science. 2019. Vol. 947. Pp. 169–180. DOI: 10.1007/978-3-030-13283-5_13.
26.
Metsker O., Trofimov E., Petrov M., Butakov N. Russian Court Decisions Data Analysis Using Distributed Computing and Machine Learning to Improve Lawmaking and Law Enforcement // Procedia Computer Science. 2019. Vol. 156. Pp. 264–273. DOI: 10.1016/j.procs.2019.08.202.
27.
Metsker O., Trofimov E., Grechishcheva S. Natural Language Processing of Russian Court Decisions for Digital Indicators Mapping for Oversight Process Control Efficiency: Disobeying a Police Officer Case // Communications in Computer and Information Science. 2020. Vol. 1135. Pp. 295–307. DOI: 10.1007/978-3-030-39296-3_22.
28.
Metsker O., Trofimov E., Kopanitsa G. Application of Machine Learning Metrics for Dynamic E-justice Processes // Conference of Open Innovations Association FRUCT. 2021-January. Vol. 1. Pp. 293–300. DOI: 10.23919/FRUCT50888.2021.9347598.
29.
Otchet o rabote sudov obshchei yurisdiktsii po rassmotreniyu del ob administrativnykh pravonarusheniyakh za 12 mesyatsev 2017 g. (forma 1-AP) // Sudebnyi departament pri Verkhovnom Sude Rossiiskoi Federatsii [Sait]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2017/F2-svod-2017.xls
30.
Otchet o rabote sudov obshchei yurisdiktsii po rassmotreniyu del ob administrativnykh pravonarusheniyakh za 12 mesyatsev 2018 g. (forma 1-AP) // Sudebnyi departament pri Verkhovnom Sude Rossiiskoi Federatsii [Sait]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2019/F2-svod_vse_sudy-2018.xls
31.
Otchet o rabote sudov obshchei yurisdiktsii po rassmotreniyu del ob administrativnykh pravonarusheniyakh za 12 mesyatsev 2019 g. (forma 1-AP) // Sudebnyi departament pri Verkhovnom Sude Rossiiskoi Federatsii [Sait]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2020/F2-svod-vse_sudy-2019.xls
32.
Otchet o rabote sudov obshchei yurisdiktsii po rassmotreniyu del ob administrativnykh pravonarusheniyakh za 12 mesyatsev 2020 g. (forma 1-AP) // Sudebnyi departament pri Verkhovnom Sude Rossiiskoi Federatsii [Sait]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2021/F2-svod-vse_sudy-2020.xls
33.
Otchet o chisle privlechennykh k ugolovnoi otvetstvennosti i vidakh ugolovnogo nakazaniya za 12 mesyatsev 2017 g. (forma 10.1) // Sudebnyi departament pri Verkhovnom Sude Rossiiskoi Federatsii [Sait]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2018/k4-svod-2017.xls
34.
Otchet o chisle privlechennykh k ugolovnoi otvetstvennosti i vidakh ugolovnogo nakazaniya za 12 mesyatsev 2018 g. (forma 10.1) // Sudebnyi departament pri Verkhovnom Sude Rossiiskoi Federatsii [Sait]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2019/k4-svod_vse_sudy-2018.xls
35.
Otchet o chisle privlechennykh k ugolovnoi otvetstvennosti i vidakh ugolovnogo nakazaniya za 12 mesyatsev 2019 g. (forma 10.1) // Sudebnyi departament pri Verkhovnom Sude Rossiiskoi Federatsii [Sait]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2020/k4-svod_vse_sudy-2019.xls
36.
Otchet o chisle privlechennykh k ugolovnoi otvetstvennosti i vidakh ugolovnogo nakazaniya za 12 mesyatsev 2020 g. (forma 10.1) // Sudebnyi departament pri Verkhovnom Sude Rossiiskoi Federatsii [Sait]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2021/k4-svod_vse_sudy-2020.xls
37.
Skoblikov P.A. Oshibki v tolkovanii ugolovno-pravovoi normy ob otvetstvennosti za prichinenie imushchestvennogo ushcherba (st. 165 UK RF) // Zakon. 2017. № 4. S. 103–113.
38.
Otchet o chisle privlechennykh k ugolovnoi otvetstvennosti i vidakh ugolovnogo nakazaniya za 12 mesyatsev 2015 g. (forma 10.1) // Sudebnyi departament pri Verkhovnom Sude Rossiiskoi Federatsii [Sait]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2015/k4-svod-2015.xls
39.
Otchet o chisle privlechennykh k ugolovnoi otvetstvennosti i vidakh ugolovnogo nakazaniya za 12 mesyatsev 2016 g. (forma 10.1) // Sudebnyi departament pri Verkhovnom Sude Rossiiskoi Federatsii [Sait]. URL: http://www.cdep.ru/userimages/sudebnaya_statistika/2016/f10_1-svod-2016.xls
40.
Trofimov E. V., Metsker O. G. Ispol'zovanie komp'yuternykh metodov i sistem v izuchenii prava, intellektual'nom analize i modelirovanii pravovoi deyatel'nosti: sistematicheskii obzor // Trudy Instituta sistemnogo programmirovaniya RAN. 2020. T. 32, vyp. 3. S. 147–170. DOI: 10.15514/ISPRAS-2020-32(3)-13.
41.
Zeng Y., Wang R., Zeleznikow J., Kemp E. A knowledge representation model for the intelligent retrieval of legal cases // International Journal of Law and Information Technology. 2007. Vol. 15, № 3. Pp. 299–319.
42.
García R., Delgado J. An ontological approach for the management of Rights Data Dictionaries // Legal Knowledge and Information Systems (JURIX’2005). Amsterdam: IOS Press, 2005. Pp. 137–146.
43.
Griffo C., Almeida J. P. A., Guizzardi G. A pattern for the representation of legal relations in a legal core ontology // Legal Knowledge and Information Systems (JURIX’2016). Amsterdam: IOS Press, 2016. Pp. 191–194.
44.
Saravanan M., Ravindran B., Raman S. Using legal ontology for query enhancement in generating a document summary // Legal Knowledge and Information Systems (JURIX’2007). Amsterdam: IOS Press, 2007. Pp. 171–172.
45.
Rissland E. L., Daniels J. J., Rubinstein Z. B., Skalak D. B. Case-based diagnostic analysis in a blackboard architecture // Proceedings of the 11th National Conference on Artificial Intelligence (AAAI’93). Menlo Park: AAAI Press/MIT Press, 1993. Pp. 66–72.
46.
Stevens C., Barot V., Carter J. The next generation of legal expert systems — New dawn or false dawn? // Research and Development in Intelligent Systems XXVII: Incorporating Applications and Innovations in Intelligent Systems XVIII: Proceedings of AI’2010. London: Springer, 2011. Pp. 439–452.
47.
Gifford M. LexrideLaw: An argument based legal search engine // Proceedings of the 16th International Conference on Artificial Intelligence and Law (ICAIL’17). New York: ACM, 2017. Pp. 271–272.
48.
Libal T., Steen A. NAI — the normative reasoner // Proceedings of the 17th International Conference on Artificial Intelligence and Law (ICAIL’19). New York: ACM, 2019. Pp. 262–263.
49.
Dunn M., Sagun L., Şirin H., Chen D. Early predictability of asylum court decisions // Proceedings of the 16th International Conference on Artificial Intelligence and Law (ICAIL’17). New York: ACM, 2017. Pp. 233–236.
50.
Grabmair M. Predicting trade secret case outcomes using argument schemes and learned quantitative value effect tradeoffs // Proceedings of the 16th International Conference on Artificial Intelligence and Law (ICAIL’17). New York: ACM, 2017. Pp. 89–98.
51.
Zhong L., Zhong Z., Zhao Z., Wang S., Ashley K.D., Grabmair M. Automatic summarization of legal decisions using iterative masking of predictive sentences // Proceedings of the 17th International Conference on Artificial Intelligence and Law (ICAIL’19). New York: ACM, 2019. Pp. 163–172.
52.
Mozina M., Zabkar J., Bench-Capon T., Bratko I. Argument based machine learning applied to law // Artificial Intelligence and Law. 2005. Vol. 13, № 1. Pp. 53–73.
53.
Ashley K. D., Walker V. R. Toward constructing evidence-based legal arguments using legal decision documents and machine learning // Proceedings of the 14th International Conference on Artificial Intelligence and Law (ICAIL’13). New York: ACM, 2013. Pp. 176–180.
54.
Torrisi A., Bevan R., Atkinson K., Bollegala D., Coenen F. Automated bundle pagination using machine learning // Proceedings of the 17th International Conference on Artificial Intelligence and Law (ICAIL’19). New York: ACM, 2019. Pp. 244–248.
55.
McGinnis J. O., Stein B. Originalism, hypothesis testing and big data // Proceedings of the 15th International Conference on Artificial Intelligence and Law (ICAIL’15). New York: ACM, 2015. Pp. 201–205.
56.
Maurushat A., Moses L.B., Vaile D. Using “big” metadata for criminal intelligence: Understanding limitations and appropriate safeguards // Proceedings of the 15th International Conference on Artificial Intelligence and Law (ICAIL’15). New York: ACM, 2015. Pp. 196–200.
57.
Vasil'ev V. V., Gracheva A. V., Rodionov A. I., Blekanov I. S. Grafovye metody vyyavleniya semanticheski znachimykh tekstov sudebnykh reshenii // Protsessy upravleniya i ustoichivost'. 2019. T. 6, № 1. S. 234–239.
58.
Kurcheeva G., Rakhvalova M., Rakhvalova D., Bakaev M. Mining and indexing of legal natural language texts with domain and task ontology // Communications in Computer and Information Science. 2019. Vol. 947. Pp. 123–137.
59.
Sokolova E. V., Mitrofanova O. A. Avtomaticheskoe izvlechenie klyuchevykh slov i slovosochetanii iz russkoyazychnykh tekstov s pomoshch'yu algoritma KEA // Komp'yuternaya lingvistika i vychislitel'nye ontologii. 2017. № 1. S. 157–165. DOI: 10.17586/2541-9781-2017-1-157-165.
60.
Grokhol'skaya Z. A. Klyuchevye slova — soderzhatel'nyi obraz dokumenta: rekomendatsii po metodike otbora i sostavleniya. Barnaul: Alt. KUNB im. V. Ya. Shishkova, 2010. 14 s.
61.
Trofimov E., Metsker O. Computer Techniques and Indicators in the Policy of Optimization of Legislation and Law Enforcement // Advances in Social Science, Education and Humanities Research. 2020. Vol. 489. Pp. 60–63. DOI: 10.2991/assehr.k.201212.012.
62.
Metsker O., Trofimov E., Kopanitsa G. Application of Machine Learning for E-justice // Journal of Physics: Conference Series. 2021. Vol. 1828. Paper 012006. 10 pp. DOI: 10.1088/1742-6596/1828/1/012006.
63.
Trofimov E. V., Metsker O. G. Indikatory optimizatsii zakonodatel'stva i pravoprimeneniya i metody ikh identifikatsii i ispol'zovaniya na osnove bol'shikh dannykh (opyt vychislitel'nykh eksperimentov na sudebnykh aktakh po delam ob administrativnykh pravonarusheniyakh, predusmotrennykh glavoi 18 Kodeksa Rossiiskoi Federatsii ob administrativnykh pravonarusheniyakh) // Yuridicheskie issledovaniya. 2020. № 9. S. 33–46. DOI: 10.25136/2409-7136.2020.9.34149.
64.
Trofimov E. V., Metsker O. G. Petrov M. V. Komp'yuterno-yuridicheskaya metodologiya kachestvennoi otsenki optimizatsii zakonodatel'stva i sudebnoi praktiki na osnove analiza bol'shikh dannykh: metody i metriki na primere administrativno-deliktnoi sfery // Aktual'nye voprosy razvitiya gosudarstvennosti i publichnogo prava: materialy VI mezhdunar. nauch.-prakt. konf. (Sankt-Peterburg, 25 sent. 2020 g.): v 2-kh t. / redkol.: D. V. Rybin (pred.) [i dr.]. SPb.: S.-Peterb. in-t (fil.) VGUYu (RPA Minyusta Rossii), 2020. T. 1. S. 175–178. DOI: 10.47645/978-5-6044512-3-6_2020_1_175.
65.
Metodologiya kachestvennoi otsenki optimizatsii zakonodatel'stva i sudebnoi praktiki na osnove analiza bol'shikh dannykh: otchet o NIR (promezhutoch. za pervyi etap) : nauch. proekt № 20-011-00837 A, poluchivshii podderzhku RFFI / S.-Peterb. in-t (fil.) VGUYu (RPA Minyusta Rossii); ruk. Trofimov E. V. SPb., 2020. 46 s. № gos. registratsii 221041800034-9.
66.
Metsker O. G., Trofimov E. V. Sovershenstvovanie administrativno-deliktnogo regulirovaniya na osnove elektronnykh dannykh sudebnoi praktiki // Pravo. Obshchestvo. Gosudarstvo: sb. nauch. tr. studentov i aspirantov. T. 4 / redkol.: D. V. Rybin (pred.) [i dr.]. SPb.: S.-Peterb. in-t (fil.) VGUYu (RPA Minyusta Rossii), 2018. S. 140–151. DOI: 10.47645/978-5-6040755-4-8_2018_4_140.
67.
Lipinskii D. A. O psevdogumanizatsii karatel'nogo vozdeistviya ugolovnoi otvetstvennosti // Pravo i politika. 2005. № 7. S. 143–148.
68.
Gravina A. A. Gumanizatsiya ugolovnogo zakonodatel'stva i ee rol' v preduprezhdenii prestuplenii v sfere predprinimatel'skoi deyatel'nosti // Zhurnal rossiiskogo prava. 2019. № 8. S. 85–95. DOI: 10.12737/jrl.2019.8.8.
69.
Gustova E. V. O problemakh gumanizatsii ugolovnogo zakonodatel'stva // Vestnik Omskoi yuridicheskoi akademii. 2019. T. 16, № 1. S. 55–50. DOI: 10.19073/2306-1340-2019-16-1-55-59.
70.
Ekimov A. A. Gumanizatsiya ugolovnogo zakonodatel'stva // Molodoi uchenyi. 2015. № 9, ch. 8. S. 834–836.
71.
Esakov G. A., Dolotov R. O., Filatova M. A., Redchits M. A., Stepanov P. P., Tsai K. A. Ugolovnaya politika: dorozhnaya karta (2017–2025 gg.) / Tsentr strategicheskikh razrabotok. M., 2017. 73 s. URL: https://www.csr.ru/uploads/2017/04/Report-CP.pdf
72.
Malkov V. P. Administrativnaya preyuditsiya: za i protiv // Vestnik Akademii General'noi prokuratury Rossiiskoi Federatsii. 2011. № 3. S. 58–64.
73.
Osnovnye pokazateli raboty sudebnykh pristavov-ispolnitelei FSSP Rossii za yanvar'-dekabr' 2020 g. (forma № 1-1) // Federal'naya sluzhba sudebnykh pristavov [Sait]. URL: https://fssp.gov.ru/files/fssp/db/files/02021/vso_2020_202121107.zip
74.
Ivanchin A. V. O pol'ze razumnogo ispol'zovaniya administrativnoi preyuditsii v ugolovnom prave ( v svyazi s postanovleniem Konstitutsionnogo Suda RF ot 10 fevralya 2017 g. № 2-P) // Ugolovnoe pravo. 2017. № 4. S. 50–53

Результаты процедуры рецензирования статьи

В связи с политикой двойного слепого рецензирования личность рецензента не раскрывается.
Со списком рецензентов издательства можно ознакомиться здесь.

Предмет исследования довольно интересный и посвящен актуальным проблемам наличия больших данных судебных актов и их влиянию на отражение гуманизации и качества правосудия в случаи административной преюдиции «…по делам о мелком хищении (ст. 7.27 КоАП РФ и ст. 158.1 УК РФ)». Необходимо сразу отметить как положительный момент в работе (структурированность), так и отрицательный – практически 100 тыс. знаков (рекомендуемый редакцией объем 12–50 тысяч знаков). Следовательно работу необходимо сократить, либо представить в сокращенном варианте, тем более, что вся статистика и выкладки скорее всего могут быть опубликованы в неюридическом журнале. Огромное количество материала неюридического характера усложняет содержание, тем более, что выводы отчасти подтверждаются и судебной статистикой и работами оппонентов. Методология исследования – ряд методов, используемых автором: исторический, статистический (в основном «догматический метод, метод экспертных оценок, методы интеллектуального анализа текстов и данных, методы машинного обучения»), сравнительно-правовой (две статьи разных законов – «мелкое хищение»), формально-юридический (практически не используется, кроме их констатации), анализ и синтез, логика и др. Актуальность обоснована автором во введении к статье и выражается в следующем: «В законодательстве стран, ранее входивших в социалистический блок, часто встречается легальное деление публичных правонарушений на уголовные преступления и административные проступки. В связи с наличием такого деления ведется дискуссия об институте «административной преюдиции», смысл которого состоит в том, что повторное (неоднократное, систематическое) совершение административного проступка переводит его в категорию преступлений [1] [2]». Научная новизна обоснована в исследовании автора очень поверхностно и вывод о возможности переноса опыта данного исследования на ГПК и КАС проблематичен «…перспективной представляется дальнейшая разработка этой методологии в областях, связанных с гражданским (ГПК РФ) и административным (КАС РФ) судопроизводством». Стиль, структура, содержание заслуживают особого внимания. Необходимо отметить структурированность работы, но и ее перегруженность рисунками (практически не читаемыми, особенно 3–6 рис.) и таблицами. Исследование имеет практически все необходимые структурные элементы: актуальность, постановка проблемы, цели и задачи, предмет, методология. Научная новизна и выводы очень расплывчаты. Стиль работы хороший, но она читается с затруднениями (хорошо, если рецензент и читатели обладают соответствующими знаниями) и носит исследовательский характер. Содержание отражает существо статьи только отчасти, т. к. она очень перегружена статистическими выкладками. Автор логично подводит читателя к существующей проблеме. Он акцентирует внимание читателя на предмете статьи. Он показывает, опираясь на исследования оппонентов и свои, что «Многие исследователи отмечают очевидное расхождение между официальными заявлениями о гуманистической цели административной преюдиции и реальным ее использованием в законодательной практике» и приводит положение дел в рассматриваемой сфере с экскурсом в историю. Автор при постановки проблемы отмечает «В качестве промежуточных задач исследования проверяются две гипотезы …», «…судебные акты, вынесенные в порядке уголовного судопроизводства, должны обладать более развитой семантикой и логической сложностью принятия решений (качеством правосудия), чем судебные акты, вынесенные по процедуре производства по делам об административных правонарушениях» и «в случае административной преюдиции индикаторы оптимизации законодательства и правоприменительной практики, ранее разработанные авторами [23], должны показывать принципиально сходные результаты», и обосновывает их, при этом делая вывод «Решение задач по проверке истинности или ложности указанных гипотез обеспечит достижение цели настоящей работы, состоящей в проверке на материалах административной преюдиции (приговоров судов по уголовным делам) методологии качественной оценки оптимизации законодательства и правоприменительной практики, ранее разработанной авторами на больших данных дел об административных правонарушениях…». Переходя к анализу методологии, раскрываемых в статье, автор показывает, используя работы оппонентов и свои, что «…Исследования на больших данных, пригодных для юридической сферы, находятся в самой начальной стадии и пока сосредоточены на приспособлении доступных «неюридических» больших данных (например, больших данных исторических документов [55] и больших метаданных интернет-провайдеров [56]) к задачам, имеющим юридический смысл». Автор тем самым подтверждает тезис о том, что в основном статья описывает статистику, а не право. И скорее всего такие исследования (большую часть данной статьи – 4 раздел «Результаты и их обсуждение» точно) необходимо публиковать в неюридическом журнале, тем более автор и ссылается на публикации в них. Перечисляя определенные термины, недоступные и главное не нужные для статьи по юридической тематике, автор не предполагает, что это совершенно не заинтересует большинство юристов. Возникает вопрос: «А для кого написана эта статья?» Тем более, что обозначают «Терминологический словарь по статье…» и др. понятия, откуда в таблицах в статьях КОАП и УК «участники производства»? Переходя к анализу вопроса «Извлечение знаний с использованием ML -моделей на основе индикаторного подхода» автор приводит не читаемые рисунки. Обращает на себя внимание рисунки 3 и 4 «Дерево решений по выбору вида административного наказания за мелкое хищение…» - они настолько не видны и не информативны, что их и приводить не стоит. Это лишний раз доказывает отсутствие необходимости публикации такого исследования в юридическом журнале. Да и рис. 5 и 6 такие же не информативные. При этом автор исследует вопрос «Гуманизация правового регулирования мелкого хищения», анализирует положения на основе проведенного им исследования, что могло бы быть отдельной статьей с одноименным названием. Автор замечает: «Анализ полученных результатов по двум названным показателям гуманизации приводит к следующим выводам», что являет косвенным доказательством необходимости отдельной статьи, не такой громоздкой, как представленная на рецензирование. В заключение автор подводит итог: «… Проведенное исследование позволило получить следующие научные результаты» и далее раскрывает эти результаты достаточно объемно, что не обязательно, например «… В текстах обвинительных приговоров наблюдается большее семантическое разнообразие, чем в постановлениях о назначении административного наказания. Оно составляет 5,6 раза по количеству употребляемых семантических единиц в расчете на один судебный акт и 1,4 раза по доле семантических единиц в тексте». А надо ли это учитывать «…это различие связано с использованием в тексте приговоров терминов, отражающих правовые средства (главным образом, участников производства и процессуальные факты), не предусмотренные законом для производства по делу об административном правонарушении». Как нам кажется, приведены интересные данные, конкретные, но практически не дающие для практики и теории права выводы. Необходимо констатировать, что журнал, в который представлена статья является научным и юридическим, и автор направил в издательство статью, не соответствующую требованиям, предъявляемым к научным юридическим публикациям, в частности для научной полемики он обращается к текстам научных работ оппонентов в основном не юристов. Библиография достаточная и содержит современные научные исследования, как российских (в т. ч. и свои работы), так и зарубежных авторов, есть ссылки на НПА, к которым автор обращается. Это позволяет автору правильно определить проблемы и поставить их на обсуждение. Он, исследовав их, раскрывает часть предмета статьи в заключительной части своей работы (4 раздел «Гуманизация правового регулирования мелкого хищения»). Автор продемонстрировал хорошее знание обсуждаемого вопроса, работ ученых, исследовавших его прежде, но и привнес своей статьей определенную научную новизну, не совсем относящуюся к проблемам юридического журнала и юристов. Апелляция к оппонентам в связи с вышесказанным присутствует. Автором используется материал других исследователей. Выводы – работа требует существенной переработки с учетом замечаний рецензента и заслуживает опубликования только в случаи существенной корректировки статьи, интерес читательской аудитории к статье в таком виде будет присутствовать только у специалистов по обработке статистических данных, но не юристов.

Результаты процедуры повторного рецензирования статьи

В связи с политикой двойного слепого рецензирования личность рецензента не раскрывается.
Со списком рецензентов издательства можно ознакомиться здесь.

Предмет исследования в представленной статье, как следует из ее наименования, составляет административная преюдиция по делам о мелком хищении (ст. 7.27 КоАП РФ и ст. 158.1 УК РФ). В данном исследовании, проведенном по указанной категории дел, авторы хотели показать, каким образом «… большие данные судебных актов отражают гуманизацию и качество правосудия». Заявленные границы исследования полностью соблюдены авторами.
Методология исследования описывается учеными весьма подробно. Отмечено, что представленная на рецензирование статья отражает «… новые результаты исследования, проводимого авторами с 2017 г. в рамках разработки междисциплинарной (юридико-вычислительной) методологии изучения правового регулирования». Цель работы состоит в «… проверке на материалах административной преюдиции (приговоров судов по уголовным делам) методологии качественной оценки оптимизации законодательства и правоприменительной практики, ранее разработанной авторами на больших данных дел об административных правонарушениях». Ученые поясняют, что исследование было выполнено на основе «аполитичной» административной преюдиции, имеющей важное социальное значение, а именно — на примере мелкого хищения (статья 7.27 КоАП РФ, статья 158.1 УК РФ). Из открытых источников, а именно государственной автоматизированной системы РФ «Правосудие» авторами были подобраны судебные акты, относящиеся к статьям 7.27 КоАП РФ и 158.1 УК РФ: «В рамках принципа GIGO ими была произведена очистка данных (data cleaning) в целях получения качественных данных, пригодных для интеллектуального анализа (data mining) и машинного обучения (machine learning) и соответствующих требованиям валидности (validity), точности (accuracy), полноты (completeness), согласованности (consistency) и единообразия (uniformity)». В результате был сформирован датасет из 10990 судебных актов. В ходе дальнейшего исследования учеными использовались «… догматический метод, метод экспертных оценок, методы интеллектуального анализа текстов и данных, методы машинного обучения».
Актуальность избранной ученым темы исследования обоснована следующим образом: «В уголовных законах ряда государств, возникших на пространстве бывшего СССР, институт административной преюдиции используется сейчас (в Армении, Белоруссии, Грузии, Киргизии, Молдове, России, Таджикистане, Туркменистане, Узбекистане) либо использовался в недавнем прошлом (в Казахстане, Эстонии… . Проблема административной преюдиции имеет множество аспектов, вызывающих острое общественное обсуждение и представляющих теоретический и практический интерес для правоведения». Следует согласиться с тем, что «Несмотря на активную критику, законодатель возобновил использование административной преюдиции и, более того, прибегает к ней все чаще». Дополнительно ученым необходимо перечислить фамилии ведущих специалистов, которые занимались исследованием административной преюдиции.
Научная новизна исследования проявляется в следующем. Во-первых, налицо оригинальная методология исследования. Ученые отмечают, что « … в мировой науке работы методологического характера в области применения методов интеллектуального анализа текстов и данных и методов машинного обучения к предметной области права и к большим данным крайне немногочисленны, что было предметом особого исследования авторов [40], и авторами учтен позитивный и негативный опыт важнейших современных исследовательских направлений и экспериментов». Справедливо отмечено, что «В России известны единичные работы в области применения к праву методов интеллектуального анализа текстов … . Интеграцией в юридическую методологию компьютерных методов машинного обучения и обработки больших данных, насколько известно, в России занимается только коллектив, представленный авторами настоящей статьи. Индикаторный подход, реализуемый авторами на основе интеллектуального анализа данных и машинного обучения в их применении к большим юридическим данным, в работах зарубежных авторов неизвестен, что определяет методологическую новизну настоящей работы». Во-вторых, особого внимания читательской аудитории заслуживают выводы, сделанные авторами по результатам проведенного исследования (как основные, так и сопутствующие). Две гипотезы, выдвинутые учеными («Гипотеза 1: судебные акты, вынесенные в порядке уголовного судопроизводства, должны обладать более развитой семантикой и логической сложностью принятия решений (качеством правосудия), чем судебные акты, вынесенные по процедуре производства по делам об административных правонарушениях» и Гипотеза 2: «… в случае административной преюдиции индикаторы оптимизации законодательства и правоприменительной практики, ранее разработанные авторами [23], должны показывать принципиально сходные результаты на материалах уголовного судопроизводства и на материалах производства по делам об административных правонарушениях по статьям закона, связанными между собой административной преюдицией») не нашли подтверждения в ходе исследования.
Научный стиль статьи выдержан автором в полной мере.
Структура работы вполне логична. Во вводной части статьи авторы обосновывают актуальность избранной темы исследования, формулируют цель статьи, подробно раскрывают методологию исследования. Основная часть работы посвящена результатам исследования и их обсуждению. Она разбита на несколько разделов: «Семантическое разнообразие текстов судебных актов», «Семантическая значимость текстов судебных актов», «Особенности объема, структуры и семантического содержания судебных актов», «Извлечение знаний методами интеллектуального анализа», «Извлечение знаний с использованием ML -моделей на основе индикаторного подхода», «Гуманизация правового регулирования мелкого хищения». В заключительной части статьи содержатся выводы по результатам проведенного исследования.
Содержание работы полностью соответствует ее наименованию и не вызывает особых нареканий.
В небольшой доработке, как уже отмечалось, нуждается вводная часть исследования.
В целом же следует отметить высокий теоретический уровень работы. Особым достоинством статьи является оригинальная методология исследования. Кроме того, учеными сделаны имеющее непосредственное теоретическое и практическое значение выводы. Статья характеризуется высокой степенью самостоятельности и аргументированности выдвигаемых положений, она изобилует иллюстративным материалом. Таким образом, представленная работа вносит существенный вклад в развитие отечественной правовой науки.
Библиография исследования представлена, как указывают ученые, 74 источниками, в том числе на английском языке (диссертационными исследованиями, монографиями, научными статьями, программными документами, статистическими и аналитическими данными, материалами судебной практики). С формальной и фактической точек зрения этого вполне достаточно. Разнообразие использованных при написании статьи источников позволило авторам глубоко и с необходимой полнотой раскрыть тему исследования, высказать оригинальные научные идеи, сделать заслуживающие внимания читательской аудитории практические рекомендации.
Апелляция к оппонентам имеется (как общая, так и частная – В. Н. Курченко, Ю. П. Синельщиков и др.), и является достаточной. Научная дискуссия ведется учеными корректно. Позиции авторов по спорным вопросам аргументированы в надлежащей степени.
Выводы в заключительной части работы имеются, обладают необходимым свойством научной новизны, являются теоретически и практически значимыми. Авторы убедительно доказали, что «… по делам о мелком хищении правовое регулирование на основании УК РФ и УПК РФ не предоставляет никаких преимуществ в выявляемых фактических обстоятельствах дел и сложности логики рассуждений, по сравнению с правовым регулированием (материальным и процессуальным) на основании КоАП РФ»; «Несмотря на тождественность правонарушений, связанных административной преюдицией, их регулирование различными материальными и процессуальными законами приводит к различным правоприменительным результатам (различиям в логике принятия решений)»; «… для охранительного регулирования мелкого хищения более оптимальным себя показало административно-деликтное регулирование»; «… доказана возможность извлечения разнообразных знаний из массивов судебных актов»; «… для общества в целом, заинтересованного в криминологической безопасности, административная ответственность за мелкое хищение является более гуманной»; «… для потерпевших, заинтересованных в возмещении причиненного ущерба, уголовная ответственность за мелкое хищение является более гуманной». Также авторами были сделаны некоторые сопутствующие заключения. Следует согласиться с учеными в том, что «Представленная в настоящей работе междисциплинарная (компьютерно-юридическая методология) применима к большим данным судебной практики по делам об административных правонарушениях и уголовным делам, в связи с чем перспективной представляется дальнейшая разработка этой методологии в областях, связанных с гражданским (ГПК РФ) и административным (КАС РФ) судопроизводством».
Интерес читательской аудитории к представленной статье может быть проявлен, прежде всего, со стороны специалистов в сфере административного права, уголовного права .